该类表示单个决策树或决策树集合。更多...

#include <opencv2/ml.hpp>

cv::ml::DTrees 的协作图

类
类	Node
	该类表示决策树节点。更多...

类	Split
	该类表示决策树中的分割。更多...

公共类型
枚举	Flags { PREDICT_AUTO =0 , PREDICT_SUM =(1<<8) , PREDICT_MAX_VOTE =(2<<8) , PREDICT_MASK =(3<<8) }

从 cv::ml::StatModel 继承的公共类型
枚举	Flags { UPDATE_MODEL = 1 , RAW_OUTPUT =1 , COMPRESSED_INPUT =2 , PREPROCESSED_INPUT =4 }

公共成员函数
virtual int	getCVFolds () const =0

virtual int	getMaxCategories () const =0

virtual int	getMaxDepth () const =0

virtual int	getMinSampleCount () const =0

virtual const std::vector< Node > &	getNodes () const =0
	返回所有节点。

virtual cv::Mat	getPriors () const =0
	先验类概率数组，按类标签值排序。

virtual float	getRegressionAccuracy () const =0

virtual const std::vector< int > &	getRoots () const =0
	返回根节点的索引。

virtual const std::vector< Split > &	getSplits () const =0
	返回所有分割。

virtual const std::vector< int > &	getSubsets () const =0
	返回所有分类分割的位集。

virtual bool	getTruncatePrunedTree () const =0

virtual bool	getUse1SERule () const =0

virtual bool	getUseSurrogates () const =0

virtual void	setCVFolds (int val)=0

virtual void	setMaxCategories (int val)=0

virtual void	setMaxDepth (int val)=0

virtual void	setMinSampleCount (int val)=0

virtual void	setPriors (const cv::Mat &val)=0
	先验类概率数组，按类标签值排序。

virtual void	setRegressionAccuracy (float val)=0

virtual void	setTruncatePrunedTree (bool val)=0

virtual void	setUse1SERule (bool val)=0

virtual void	setUseSurrogates (bool val)=0

从 cv::ml::StatModel 继承的公共成员函数
virtual float	calcError (const Ptr< TrainData > &data, bool test, OutputArray resp) const
	计算训练或测试数据集上的误差。

virtual bool	empty () const CV_OVERRIDE
	如果 Algorithm 为空（例如在开始时或读取不成功后），则返回 true。

virtual int	getVarCount () const =0
	返回训练样本中的变量数量。

virtual bool	isClassifier () const =0
	如果模型是分类器，则返回 true。

virtual bool	isTrained () const =0
	如果模型已训练，则返回 true。

virtual float	predict (InputArray samples, OutputArray results=noArray(), int flags=0) const =0
	预测所提供样本的响应。

virtual bool	train (const Ptr< TrainData > &trainData, int flags=0)
	训练统计模型。

virtual bool	train (InputArray samples, int layout, InputArray responses)
	训练统计模型。

从 cv::Algorithm 继承的公共成员函数
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	清除算法状态。

virtual String	getDefaultName () const

virtual void	read (const FileNode &fn)
	从文件存储中读取算法参数。

virtual void	save (const String &filename) const

void	write (const Ptr< FileStorage > &fs, const String &name=String()) const

virtual void	write (FileStorage &fs) const
	将算法参数存储在文件存储中。

void	write (FileStorage &fs, const String &name) const

静态公共成员函数
static Ptr< DTrees >	create ()
	创建空模型。

static Ptr< DTrees >	load (const String &filepath, const String &nodeName=String())
	从文件加载并创建序列化 DTrees。

从 cv::ml::StatModel 继承的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	train (const Ptr< TrainData > &data, int flags=0)
	使用默认参数创建并训练模型。

从 cv::Algorithm 继承的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。

template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串加载算法。

template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。

其他继承的成员
从 cv::Algorithm 继承的受保护成员函数
void	writeFormat (FileStorage &fs) const

详细说明

该类表示单个决策树或决策树集合。

该类的当前公共接口允许用户仅训练单个决策树，但该类能够存储多个决策树并使用它们进行预测（通过对响应求和或使用投票方案），并且从 DTrees 类（如 RTrees 和 Boost）派生出的类使用此功能来实现决策树集合。

另请参阅: 决策树

成员枚举文档

◆ Flags

枚举 cv::ml::DTrees::Flags

预测选项

枚举器
PREDICT_AUTO

PREDICT_MAX_VOTE
PREDICT_MASK

成员函数文档

◆ create()

static Ptr< DTrees > cv::ml::DTrees::create ( )

static

Python
	cv.ml.DTrees.create(		) ->	retval
	cv.ml.DTrees_create(		) ->	retval

创建空模型。

静态方法创建具有指定参数的空决策树。它应该使用 train 方法进行训练（参见 StatModel::train）。或者，您可以使用 Algorithm::load<DTrees>(filename) 从文件加载模型。

◆ getCVFolds()

virtual int cv::ml::DTrees::getCVFolds ( ) const

pure virtual

Python
	cv.ml.DTrees.getCVFolds(		) ->	retval

如果 CVFolds > 1，则算法使用 K 折交叉验证程序修剪构建的决策树，其中 K 等于 CVFolds。默认值为 10。

另请参阅: setCVFolds

◆ getMaxCategories()

virtual int cv::ml::DTrees::getMaxCategories ( ) const

pure virtual

Python
	cv.ml.DTrees.getMaxCategories(		) ->	retval

将分类变量的可能值聚类到 K<=maxCategories 个聚类中，以找到次优分割。如果训练过程试图在其上进行分割的离散变量取值超过 maxCategories 个值，则精确的最佳子集估计可能需要很长时间，因为算法是指数级的。相反，许多决策树引擎（包括我们的实现）尝试通过将所有样本聚类到 maxCategories 个聚类中来找到次优分割，即某些类别被合并在一起。聚类仅在 n > 2 类分类问题中对具有 N > max_categories 个可能值的分类变量应用。在回归和 2 类分类的情况下，可以在不采用聚类的情况下有效地找到最佳分割，因此该参数在这些情况下不使用。默认值为 10。

另请参阅: setMaxCategories

◆ getMaxDepth()

virtual int cv::ml::DTrees::getMaxDepth ( ) const

pure virtual

Python
	cv.ml.DTrees.getMaxDepth(		) ->	retval

树的最大可能深度。也就是说，训练算法试图分割一个节点，而其深度小于 maxDepth。根节点的深度为零。如果满足其他终止条件（参见训练过程概述此处），以及/或者如果树被修剪，则实际深度可能更小。默认值为 INT_MAX。

另请参阅: setMaxDepth

◆ getMinSampleCount()

virtual int cv::ml::DTrees::getMinSampleCount ( ) const

pure virtual

Python
	cv.ml.DTrees.getMinSampleCount(		) ->	retval

如果节点中的样本数量小于此参数，则该节点不会被分割。

默认值为 10。

另请参阅: setMinSampleCount

◆ getNodes()

virtual const std::vector< Node > & cv::ml::DTrees::getNodes ( ) const

pure virtual

返回所有节点。

所有节点索引都是返回向量中的索引

◆ getPriors()

virtual cv::Mat cv::ml::DTrees::getPriors ( ) const

pure virtual

Python
	cv.ml.DTrees.getPriors(		) ->	retval

先验类概率数组，按类标签值排序。

该参数可用于调整决策树对特定类别的偏好。例如，如果您想检测某些罕见的异常情况，训练基础可能包含比异常更多正常情况，因此只需将每个情况视为正常就可以实现非常好的分类性能。为了避免这种情况，可以指定先验概率，其中异常概率被人工提高（高达 0.5 甚至更高），因此错误分类异常的权重变得更大，树被适当调整。

您也可以将此参数视为预测类别的权重，它们决定了您赋予错误分类的相对权重。也就是说，如果第一个类别的权重为 1，而第二个类别的权重为 10，则在预测第二个类别时发生的每个错误都相当于在预测第一个类别时发生 10 个错误。默认值为空的 Mat。

另请参阅: setPriors

◆ getRegressionAccuracy()

virtual float cv::ml::DTrees::getRegressionAccuracy ( ) const

pure virtual

Python
	cv.ml.DTrees.getRegressionAccuracy(		) ->	retval

回归树的终止条件。如果节点中估计值与该节点中训练样本的值之间的所有绝对差异都小于此参数，则该节点将不再被进一步分割。默认值为 0.01f

另请参阅: setRegressionAccuracy

◆ getRoots()

virtual const std::vector< int > & cv::ml::DTrees::getRoots ( ) const

pure virtual

返回根节点的索引。

◆ getSplits()

virtual const std::vector< Split > & cv::ml::DTrees::getSplits ( ) const

pure virtual

返回所有分割。

所有分割索引都是返回向量中的索引

◆ getSubsets()

virtual const std::vector< int > & cv::ml::DTrees::getSubsets ( ) const

pure virtual

返回所有分类分割的位集。

Split::subsetOfs 是返回向量中的偏移量

◆ getTruncatePrunedTree()

virtual bool cv::ml::DTrees::getTruncatePrunedTree ( ) const

pure virtual

Python
	cv.ml.DTrees.getTruncatePrunedTree(		) ->	retval

如果为真，则修剪的分支将从树中物理移除。否则，它们将被保留，并且有可能从原始的未修剪（或修剪程度较低）的树中获得结果。默认值为真。

另请参阅: setTruncatePrunedTree

◆ getUse1SERule()

virtual bool cv::ml::DTrees::getUse1SERule ( ) const

pure virtual

Python
	cv.ml.DTrees.getUse1SERule(		) ->	retval

如果为真，则修剪将更加严格。这将使树更紧凑，更能抵抗训练数据噪声，但准确性会略低。默认值为真。

另请参阅: setUse1SERule

◆ getUseSurrogates()

virtual bool cv::ml::DTrees::getUseSurrogates ( ) const

pure virtual

Python
	cv.ml.DTrees.getUseSurrogates(		) ->	retval

如果为真，则将构建代理分割。这些分割允许处理缺失数据并正确计算变量重要性。默认值为假。

注意: 目前尚未实现。

另请参阅: setUseSurrogates

◆ load()

static Ptr< DTrees > cv::ml::DTrees::load	(	const String &	filepath,
		const String &	nodeName = `String()`
	)

static

Python
	cv.ml.DTrees.load(	filepath[, nodeName]	) ->	retval
	cv.ml.DTrees_load(	filepath[, nodeName]	) ->	retval

从文件加载并创建序列化 DTrees。

使用 DTree::save 将 DTree 序列化并存储到磁盘。通过调用此函数并指定文件路径来重新加载 DTree。可以选择指定包含分类器的节点。

参数

filepath	序列化 DTree 的路径
nodeName	包含分类器的节点名称

◆ setCVFolds()

virtual void cv::ml::DTrees::setCVFolds ( int val )

pure virtual

Python
	cv.ml.DTrees.setCVFolds(	val	) ->	None

另请参阅: getCVFolds

◆ setMaxCategories()

virtual void cv::ml::DTrees::setMaxCategories ( int val )

pure virtual

Python
	cv.ml.DTrees.setMaxCategories(	val	) ->	None

另请参阅: getMaxCategories

◆ setMaxDepth()

virtual void cv::ml::DTrees::setMaxDepth ( int val )

pure virtual

Python
	cv.ml.DTrees.setMaxDepth(	val	) ->	None

另请参阅: getMaxDepth

◆ setMinSampleCount()

virtual void cv::ml::DTrees::setMinSampleCount ( int val )

pure virtual

Python
	cv.ml.DTrees.setMinSampleCount(	val	) ->	None

另请参阅: getMinSampleCount

◆ setPriors()

virtual void cv::ml::DTrees::setPriors ( const cv::Mat & val )

pure virtual

Python
	cv.ml.DTrees.setPriors(	val	) ->	None

先验类概率数组，按类标签值排序。

另请参阅: getPriors

◆ setRegressionAccuracy()

virtual void cv::ml::DTrees::setRegressionAccuracy ( float val )

pure virtual

Python
	cv.ml.DTrees.setRegressionAccuracy(	val	) ->	None

另请参阅: getRegressionAccuracy

◆ setTruncatePrunedTree()

virtual void cv::ml::DTrees::setTruncatePrunedTree ( bool val )

pure virtual

Python
	cv.ml.DTrees.setTruncatePrunedTree(	val	) ->	None

另请参阅: getTruncatePrunedTree

◆ setUse1SERule()

virtual void cv::ml::DTrees::setUse1SERule ( bool val )

pure virtual

Python
	cv.ml.DTrees.setUse1SERule(	val	) ->	None

另请参阅: getUse1SERule

◆ setUseSurrogates()

virtual void cv::ml::DTrees::setUseSurrogates ( bool val )

pure virtual

Python
	cv.ml.DTrees.setUseSurrogates(	val	) ->	None

另请参阅: getUseSurrogates

该类的文档从以下文件生成

opencv2/ml.hpp

类

公共类型

公共成员函数

静态公共成员函数

其他继承的成员

详细说明

成员枚举文档

◆ Flags

成员函数文档

◆ create()

◆ getCVFolds()

◆ getMaxCategories()

◆ getMaxDepth()

◆ getMinSampleCount()

◆ getNodes()

◆ getPriors()

◆ getRegressionAccuracy()

◆ getRoots()

◆ getSplits()

◆ getSubsets()

◆ getTruncatePrunedTree()

◆ getUse1SERule()

◆ getUseSurrogates()

◆ load()

◆ setCVFolds()

◆ setMaxCategories()

◆ setMaxDepth()

◆ setMinSampleCount()

◆ setPriors()

◆ setRegressionAccuracy()

◆ setTruncatePrunedTree()

◆ setUse1SERule()

◆ setUseSurrogates()