该类实现了 K-最近邻模型。更多...

#include <opencv2/ml.hpp>

cv::ml::KNearest 的协作图

公共类型
enum	类型 { BRUTE_FORCE =1 , KDTREE =2 }
	KNearest 算法的实现。更多...

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

公共成员函数
virtual float	findNearest (InputArray samples, int k, OutputArray results, OutputArray neighborResponses=noArray(), OutputArray dist=noArray()) const =0
	查找输入向量的邻居并预测响应。

virtual int	getAlgorithmType () const =0

virtual int	getDefaultK () const =0

virtual int	getEmax () const =0

virtual bool	getIsClassifier () const =0

virtual void	setAlgorithmType (int val)=0

virtual void	setDefaultK (int val)=0

virtual void	setEmax (int val)=0

virtual void	setIsClassifier (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，在开始时或读取失败后），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
	算法 ()

virtual	~Algorithm ()

virtual void	clear ()
	清除算法状态。

virtual String	getDefaultName () const

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

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区中。

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

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

static Ptr< KNearest >	load (const String &filepath)
	从文件加载并创建序列化 knearest。

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)
	使用默认参数创建和训练模型。

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

详细描述

该类实现了 K-最近邻模型。

另请参阅: K-最近邻

成员枚举文档

◆ 类型

enum cv::ml::KNearest::Types

KNearest 算法的实现。

枚举器
BRUTE_FORCE
KDTREE

成员函数文档

◆ create()

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

static

Python
	cv.ml.KNearest.create(		) ->	retval
	cv.ml.KNearest_create(		) ->	retval

创建空模型。

该静态方法创建空的 KNearest 分类器。然后应该使用 StatModel::train 方法对其进行训练。

◆ findNearest()

virtual float cv::ml::KNearest::findNearest	(	InputArray	samples,
		int	k,
		OutputArray	results,
		OutputArray	neighborResponses = `noArray()`,
		OutputArray	dist = `noArray()`
	)		const

纯虚

Python
	cv.ml.KNearest.findNearest(	samples, k[, results[, neighborResponses[, dist]]]	) ->	retval, results, neighborResponses, dist

查找输入向量的邻居并预测响应。

参数

samples	按行存储的输入样本。它是大小为 `<number_of_samples> * k` 的单精度浮点矩阵。
k	使用的最近邻的数量。应大于 1。
results	包含每个输入样本预测结果（回归或分类）的向量。它是一个包含 `<number_of_samples>` 个元素的单精度浮点向量。
neighborResponses	对应邻居的可选输出值。它是一个大小为 `<number_of_samples> * k` 的单精度浮点矩阵。
dist	输入向量到对应邻居的可选输出距离。它是一个大小为 `<number_of_samples> * k` 的单精度浮点矩阵。

对于每个输入向量（矩阵样本的一行），该方法找到 k 个最近邻。在回归情况下，预测结果是特定向量邻居响应的平均值。在分类情况下，类别由投票决定。

对于每个输入向量，邻居按它们到向量的距离排序。

在 C++ 接口情况下，您可以使用指向空矩阵的输出指针，函数会自行分配内存。

如果只传递了一个输入向量，则所有输出矩阵都是可选的，并且预测值将由该方法返回。

该函数使用 TBB 库并行化。

以下是此函数的调用图

◆ getAlgorithmType()

virtual int cv::ml::KNearest::getAlgorithmType ( ) const

纯虚

Python
	cv.ml.KNearest.getAlgorithmType(		) ->	retval

算法类型，是 KNearest::Types 中的其中一个。

另请参阅: setAlgorithmType

◆ getDefaultK()

virtual int cv::ml::KNearest::getDefaultK ( ) const

纯虚

Python
	cv.ml.KNearest.getDefaultK(		) ->	retval

在 predict 方法中使用的默认邻居数。

另请参阅: setDefaultK

◆ getEmax()

virtual int cv::ml::KNearest::getEmax ( ) const

纯虚

Python
	cv.ml.KNearest.getEmax(		) ->	retval

KDTree 实现的参数。

另请参阅: setEmax

◆ getIsClassifier()

virtual bool cv::ml::KNearest::getIsClassifier ( ) const

纯虚

Python
	cv.ml.KNearest.getIsClassifier(		) ->	retval

是否应该训练分类模型或回归模型。

另请参阅: setIsClassifier

◆ load()

static Ptr< KNearest > cv::ml::KNearest::load ( const String & filepath )

static

Python
	cv.ml.KNearest.load(	filepath	) ->	retval
	cv.ml.KNearest_load(	filepath	) ->	retval

从文件加载并创建序列化 knearest。

使用 KNearest::save 将一个 KNearest 序列化并存储到磁盘。通过使用该函数并传入文件路径，可以再次从该文件中加载该 KNearest。

参数

filepath 序列化 KNearest 的路径

◆ setAlgorithmType()

virtual void cv::ml::KNearest::setAlgorithmType ( int val )

纯虚

Python
	cv.ml.KNearest.setAlgorithmType(	val	) ->	无

另请参阅: getAlgorithmType

◆ setDefaultK()

virtual void cv::ml::KNearest::setDefaultK ( int val )

纯虚

Python
	cv.ml.KNearest.setDefaultK(	val	) ->	无

另请参阅: getDefaultK

◆ setEmax()

virtual void cv::ml::KNearest::setEmax ( int val )

纯虚

Python
	cv.ml.KNearest.setEmax(	val	) ->	无

另请参阅: getEmax

◆ setIsClassifier()

virtual void cv::ml::KNearest::setIsClassifier ( bool val )

纯虚

Python
	cv.ml.KNearest.setIsClassifier(	val	) ->	无

另请参阅: getIsClassifier

该类的文档是根据以下文件生成的

opencv2/ml.hpp

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