cv::ml::LogisticRegression 类参考

实现逻辑回归分类器。更多…

#include <opencv2/ml.hpp>

cv::ml::LogisticRegression 的协作图

公共类型
枚举	方法 {   BATCH = 0 ,   MINI_BATCH = 1 }
	训练方法。更多…
枚举	RegKinds {   REG_DISABLE = -1 ,   REG_L1 = 0 ,   REG_L2 = 1 }
	正则化类型。更多…
继承自 cv::ml::StatModel 的公共类型
枚举	标志 {   UPDATE_MODEL = 1 ,   RAW_OUTPUT =1 ,   COMPRESSED_INPUT =2 ,   PREPROCESSED_INPUT =4 }

公共成员函数
virtual Mat	get_learnt_thetas () const =0
	此函数返回按行排列的训练参数。
virtual int	getIterations () const =0
virtual double	getLearningRate () const =0
virtual int	getMiniBatchSize () const =0
virtual int	getRegularization () const =0
virtual TermCriteria	getTermCriteria () const =0
virtual int	getTrainMethod () const =0
virtual float	predict (InputArray samples, OutputArray results=noArray(), int flags=0) const CV_OVERRIDE=0
	预测输入样本的响应并返回浮点型。
virtual void	setIterations (int val)=0
virtual void	setLearningRate (double val)=0
virtual void	setMiniBatchSize (int val)=0
virtual void	setRegularization (int val)=0
virtual void	setTermCriteria (TermCriteria val)=0
virtual void	setTrainMethod (int val)=0
继承自 cv::ml::StatModel 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 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
	将算法参数存储到文件存储中。
void	write (FileStorage &fs, const String &name) const

静态公共成员函数
static Ptr< LogisticRegression >	create ()
	创建空模型。
static Ptr< LogisticRegression >	load (const String &filepath, const String &nodeName=String())
	从文件中加载并创建一个序列化的 LogisticRegression。
继承自 cv::ml::StatModel 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 继承的静态公有成员函数
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 继承的保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

实现逻辑回归分类器。

另请参阅

逻辑回归

成员枚举文档

方法

枚举 cv::ml::LogisticRegression::Methods

训练方法。

枚举器
BATCH
MINI_BATCH	使用此方法时，将 MiniBatchSize 设置为正整数。

RegKinds

枚举 cv::ml::LogisticRegression::RegKinds

正则化类型。

枚举器
REG_DISABLE	禁用正则化。
REG_L1	L1 范数
REG_L2	L2 范数

成员函数文档

create()

静态 Ptr< LogisticRegression > cv::ml::LogisticRegression::create ( )

静态

Python
	cv.ml.LogisticRegression.create(		) ->	返回值
	cv.ml.LogisticRegression_create(		) ->	返回值

创建空模型。

使用给定的参数创建逻辑回归模型。

get_learnt_thetas()

虚函数 Mat cv::ml::LogisticRegression::get_learnt_thetas ( ) const

纯虚函数

Python
	cv.ml.LogisticRegression.get_learnt_thetas(		) ->	返回值

此函数返回按行排列的训练参数。

对于二元分类问题，它返回一个行矩阵。它返回逻辑回归的学习参数，作为 CV_32F 类型矩阵。

getIterations()

虚函数 int cv::ml::LogisticRegression::getIterations ( ) const

纯虚函数

Python
	cv.ml.LogisticRegression.getIterations(		) ->	返回值

迭代次数。

另请参阅

setIterations

getLearningRate()

虚函数 double cv::ml::LogisticRegression::getLearningRate ( ) const

纯虚函数

Python
	cv.ml.LogisticRegression.getLearningRate(		) ->	返回值

学习率。

另请参阅

setLearningRate

getMiniBatchSize()

虚函数 int cv::ml::LogisticRegression::getMiniBatchSize ( ) const

纯虚函数

Python
	cv.ml.LogisticRegression.getMiniBatchSize(		) ->	返回值

指定在 Mini-Batch 梯度下降的每个步骤中获取的训练样本数。仅当使用 LogisticRegression::MINI_BATCH 训练算法时才使用。它必须取小于训练样本总数的值。

另请参阅

setMiniBatchSize

getRegularization()

虚函数 int cv::ml::LogisticRegression::getRegularization ( ) const

纯虚函数

Python
	cv.ml.LogisticRegression.getRegularization(		) ->	返回值

要应用的正则化类型。参见 LogisticRegression::RegKinds。

另请参阅

setRegularization

getTermCriteria()

虚函数 TermCriteria cv::ml::LogisticRegression::getTermCriteria ( ) const

纯虚函数

Python
	cv.ml.LogisticRegression.getTermCriteria(		) ->	返回值

算法的终止条件。

另请参阅

setTermCriteria

getTrainMethod()

虚函数 int cv::ml::LogisticRegression::getTrainMethod ( ) const

纯虚函数

Python
	cv.ml.LogisticRegression.getTrainMethod(		) ->	返回值

使用的训练方法类型。参见 LogisticRegression::Methods。

另请参阅

setTrainMethod

load()

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

静态

Python
	cv.ml.LogisticRegression.load(	filepath[, nodeName]	) ->	返回值
	cv.ml.LogisticRegression_load(	filepath[, nodeName]	) ->	返回值

从文件中加载并创建一个序列化的 LogisticRegression。

使用 LogisticRegression::save 将 LogisticRegression 序列化并存储到磁盘。通过使用文件的路径调用此函数，再次从该文件加载 LogisticRegression。可以选择指定包含分类器的文件的节点

参数

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

predict()

虚函数 float cv::ml::LogisticRegression::predict ( InputArray samples, OutputArray results = noArray(), int flags = 0 ) const

纯虚函数

Python
	cv.ml.LogisticRegression.predict(	samples[, results[, flags]]	) ->	retval, results

预测输入样本的响应并返回浮点型。

参数

samples	预测算法的输入数据。矩阵 [m x n]，其中每一行包含一个被分类对象的变量（特征）。应具有数据类型 CV_32F。
results	预测的标签，作为 CV_32S 类型的列矩阵。
flags	未使用。

实现 cv::ml::StatModel。

此函数的调用图如下所示

setIterations()

虚函数 void cv::ml::LogisticRegression::setIterations ( int val )

纯虚函数

Python
	cv.ml.LogisticRegression.setIterations(	val	) ->	None

另请参阅

getIterations

setLearningRate()

虚函数 void cv::ml::LogisticRegression::setLearningRate ( double val )

纯虚函数

Python
	cv.ml.LogisticRegression.setLearningRate(	val	) ->	None

另请参阅

getLearningRate

setMiniBatchSize()

虚拟 void cv::ml::LogisticRegression::setMiniBatchSize ( int val )

纯虚函数

Python
	cv.ml.LogisticRegression.setMiniBatchSize(	val	) ->	None

另请参阅

getMiniBatchSize

setRegularization()

虚拟 void cv::ml::LogisticRegression::setRegularization ( int val )

纯虚函数

Python
	cv.ml.LogisticRegression.setRegularization(	val	) ->	None

另请参阅

getRegularization

setTermCriteria()

虚拟 void cv::ml::LogisticRegression::setTermCriteria ( TermCriteria val )

纯虚函数

Python
	cv.ml.LogisticRegression.setTermCriteria(	val	) ->	None

另请参阅

getTermCriteria

setTrainMethod()

虚拟 void cv::ml::LogisticRegression::setTrainMethod ( int val )

纯虚函数

Python
	cv.ml.LogisticRegression.setTrainMethod(	val	) ->	None

另请参阅

getTrainMethod

---

此类的文档是从以下文件生成的：

• opencv2/ml.hpp