该类实现了随机森林预测器。更多…

#include <opencv2/ml.hpp>

cv::ml::RTrees 协作图

公有成员函数
virtual int	getActiveVarCount () const =0

virtual bool	getCalculateVarImportance () const =0

virtual double	getOOBError () const =0

virtual TermCriteria	getTermCriteria () const =0

virtual Mat	getVarImportance () const =0

virtual void	getVotes (InputArray samples, OutputArray results, int flags) const =0

virtual void	setActiveVarCount (int val)=0

virtual void	setCalculateVarImportance (bool val)=0

virtual void	setTermCriteria (const TermCriteria &val)=0

继承自 cv::ml::DTrees 的公有成员函数
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
	返回所有用于分类分割的位集。

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

继承自 cv::ml::StatModel 的公有成员函数
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
	如果算法为空（例如，在开始时或读取失败后），则返回 true。

virtual int	getVarCount () const =0
	返回训练样本中变量的数量。

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
	预测提供的样本的响应。

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。

继承自 cv::Algorithm 的公有成员函数
	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
	将算法参数存储到文件存储中。

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

静态公共成员函数
static Ptr< RTrees >	create ()

static Ptr< RTrees >	load (const String &filepath, const String &nodeName=String())
	加载并创建一个从文件中序列化的RTree。

从cv::ml::DTrees继承的静态公共成员函数
static Ptr< DTrees >	create ()
	创建空模型。

static Ptr< DTrees >	load (const String &filepath, const String &nodeName=String())
	从文件中加载并创建一个序列化的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)
	创建并使用默认参数训练模型。

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。

附加继承成员
从cv::ml::DTrees继承的公共类型
枚举	标志 { 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	标志 { UPDATE_MODEL = 1 , RAW_OUTPUT =1 , COMPRESSED_INPUT =2 , PREPROCESSED_INPUT =4 }

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

详细描述

该类实现随机森林预测器。

另请参阅: 随机树

成员函数文档

◆ create()

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

静态

Python
	cv.ml.RTrees.create(		) ->	retval
	cv.ml.RTrees_create(		) ->	retval

创建空模型。使用StatModel::train训练模型，StatModel::train创建并训练模型，Algorithm::load加载预训练模型。

◆ getActiveVarCount()

virtual int cv::ml::RTrees::getActiveVarCount ( ) const

纯虚函数

Python
	cv.ml.RTrees.getActiveVarCount(		) ->	retval

在每个树节点上随机选择的特征子集的大小，并用于找到最佳分割。如果将其设置为0，则大小将设置为特征总数的平方根。默认值为0。

另请参阅: setActiveVarCount

◆ getCalculateVarImportance()

virtual bool cv::ml::RTrees::getCalculateVarImportance ( ) const

纯虚函数

Python
	cv.ml.RTrees.getCalculateVarImportance(		) ->	retval

如果为真，则将计算变量重要性，然后可以通过RTrees::getVarImportance检索它。默认值为false。

另请参阅: setCalculateVarImportance

◆ getOOBError()

virtual double cv::ml::RTrees::getOOBError ( ) const

纯虚函数

Python
	cv.ml.RTrees.getOOBError(		) ->	retval

返回在训练阶段计算的OOB误差值，当时calcOOBError设置为true。如果此标志设置为false，则返回0。OOB误差也按样本权重缩放。

◆ getTermCriteria()

virtual TermCriteria cv::ml::RTrees::getTermCriteria ( ) const

纯虚函数

Python
	cv.ml.RTrees.getTermCriteria(		) ->	retval

指定训练算法何时停止的终止条件。训练指定数量的树并添加到集成时，或者达到足够的精度（以OOB误差衡量）时。通常，树越多，精度越高。但是，精度提高通常会减小，并且在一定数量的树之后会渐近。还需要记住，树的数量线性增加了预测时间。默认值为TermCriteria(TermCriteria::MAX_ITERS + TermCriteria::EPS, 50, 0.1)

另请参阅: setTermCriteria

◆ getVarImportance()

virtual Mat cv::ml::RTrees::getVarImportance ( ) const

纯虚函数

Python
	cv.ml.RTrees.getVarImportance(		) ->	retval

返回变量重要性数组。该方法返回在训练阶段计算的变量重要性向量，前提是 `CalculateVarImportance` 设置为 true。如果该标志设置为 false，则返回空矩阵。

◆ getVotes()

virtual void cv::ml::RTrees::getVotes	(	输入数组	样本,
		输出数组	结果,
		int	flags ) const

纯虚函数

Python
	cv.ml.RTrees.getVotes(	samples, flags[, results]	) ->	结果

返回森林中每棵单独树的结果。如果模型是回归问题，则该方法将返回每棵树对每个样本的计算结果。如果模型是分类器，它将返回一个具有样本数+1行的Mat，其中第一行给出类号，后续行返回每个类对每个样本的投票数。

参数

样本	包含将计算投票的样本的数组。
结果	将写入计算结果的数组。
flags	用于定义RTrees类型的标志。

◆ load()

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

静态

Python
	cv.ml.RTrees.load(	filepath[, nodeName]	) ->	retval
	cv.ml.RTrees_load(	filepath[, nodeName]	) ->	retval

加载并创建一个从文件中序列化的RTree。

使用 RTree::save 将 RTree 序列化并存储到磁盘。通过使用文件的路径调用此函数，再次加载此文件中的 RTree。可以选择指定包含分类器的文件的节点。

参数

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

◆ setActiveVarCount()

virtual void cv::ml::RTrees::setActiveVarCount ( int val )

纯虚函数

Python
	cv.ml.RTrees.setActiveVarCount(	val	) ->	无

另请参阅: getActiveVarCount

◆ setCalculateVarImportance()

virtual void cv::ml::RTrees::setCalculateVarImportance ( bool val )

纯虚函数

Python
	cv.ml.RTrees.setCalculateVarImportance(	val	) ->	无

另请参阅: getCalculateVarImportance

◆ setTermCriteria()

virtual void cv::ml::RTrees::setTermCriteria ( const TermCriteria & val )

纯虚函数

Python
	cv.ml.RTrees.setTermCriteria(	val	) ->	无

另请参阅: getTermCriteria

此类的文档是从以下文件生成的：

opencv2/ml.hpp

公有成员函数

静态公共成员函数

附加继承成员

详细描述

成员函数文档

◆ create()

◆ getActiveVarCount()

◆ getCalculateVarImportance()

◆ getOOBError()

◆ getTermCriteria()

◆ getVarImportance()

◆ getVotes()

◆ load()

◆ setActiveVarCount()

◆ setCalculateVarImportance()

◆ setTermCriteria()