此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
	此类表示决策树节点。更多…

类	Split
	此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

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
	返回训练样本中的变量数。

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。

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())
	从文件中加载并创建一个序列化的DTrees。

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。

继承自cv::Algorithm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
继承自cv::Algorithm的保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

该类表示单个决策树或决策树集合。

该类的当前公共接口只允许用户训练单个决策树，但是该类能够存储多个决策树并使用它们进行预测（通过求和响应或使用投票方案），并且派生自DTrees的类（例如RTrees和Boost）使用此功能来实现决策树集成。

另请参阅: 决策树

成员枚举文档

◆ 标志

枚举 cv::ml::DTrees::Flags

预测选项

枚举器
PREDICT_AUTO
PREDICT_SUM
PREDICT_MAX_VOTE
PREDICT_MASK

成员函数文档

◆ create()

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

静态

Python
	cv.ml.DTrees.create(		) ->	返回值
	cv.ml.DTrees_create(		) ->	返回值

创建空模型。

静态方法使用指定的参数创建空决策树。然后应该使用train方法对其进行训练（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

纯虚函数

Python
	cv.ml.DTrees.getCVFolds(		) ->	返回值

如果 CVFolds > 1，则算法将使用 K 折交叉验证过程修剪构建的决策树，其中 K 等于 CVFolds。默认值为 10。

另请参阅: setCVFolds

◆ getMaxCategories()

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

纯虚函数

Python
	cv.ml.DTrees.getMaxCategories(		) ->	返回值

将分类变量的可能值聚类到 K<=maxCategories 个集群中以找到次优分割。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，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）在这种情况下尝试通过将所有样本聚类到 maxCategories 个集群中来找到次优分割，即某些类别合并在一起。聚类仅在 n > 2 类分类问题中对具有 N > max_categories 可能值的分类变量应用。在回归和 2 类分类的情况下，可以有效地找到最佳分割而无需使用聚类，因此在这些情况下不使用该参数。默认值为 10。

另请参阅: setMaxCategories

◆ getMaxDepth()

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

纯虚函数

Python
	cv.ml.DTrees.getMaxDepth(		) ->	返回值

树的最大可能深度。也就是说，训练算法尝试分割节点，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（参见此处的训练过程概述），和/或如果树被修剪，则实际深度可能更小。默认值为 INT_MAX。

另请参阅: setMaxDepth

◆ getMinSampleCount()

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

纯虚函数

Python
	cv.ml.DTrees.getMinSampleCount(		) ->	返回值

如果节点中样本数少于此参数，则该节点将不会被分割。

默认值为 10。

另请参阅: setMinSampleCount

◆ getNodes()

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

纯虚函数

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

纯虚函数

Python
	cv.ml.DTrees.getPriors(		) ->	返回值

先验类概率数组，按类标签值排序。

此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事件，则训练基础可能包含比异常情况多得多的正常情况，因此仅通过将每种情况都视为正常情况即可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，其中人为地增加了异常概率（高达 0.5 或更高），因此错误分类异常的权重变得更大，并且树得到适当调整。

您也可以将此参数视为预测类别的权重，这些权重决定了您赋予错误分类的相对权重。也就是说，如果第一类别的权重为 1，第二类别的权重为 10，则预测第二类别出错一次相当于预测第一类别出错 10 次。默认值为空的 Mat。

另请参阅: setPriors

◆ getRegressionAccuracy()

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

纯虚函数

Python
	cv.ml.DTrees.getRegressionAccuracy(		) ->	返回值

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值的全部绝对差小于此参数，则该节点将不再进一步分割。默认值为 0.01f

另请参阅: setRegressionAccuracy

◆ getRoots()

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

纯虚函数

返回根节点的索引。

◆ getSplits()

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

纯虚函数

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

纯虚函数

返回所有用于分类分割的位集。

Split::subsetOfs 是返回向量中的偏移量

◆ getTruncatePrunedTree()

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

纯虚函数

Python
	cv.ml.DTrees.getTruncatePrunedTree(		) ->	返回值

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，并且可以从原始的未修剪（或修剪较少）树中获取结果。默认值为真。

另请参阅: setTruncatePrunedTree

◆ getUse1SERule()

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

纯虚函数

Python
	cv.ml.DTrees.getUse1SERule(		) ->	返回值

如果为真，则修剪将更严格。这将使树更紧凑，更能抵抗训练数据噪声，但精度略低。默认值为真。

另请参阅: setUse1SERule

◆ getUseSurrogates()

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

纯虚函数

Python
	cv.ml.DTrees.getUseSurrogates(		) ->	返回值

如果为真，则将构建替代分割。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() )

静态

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

从文件中加载并创建一个序列化的DTrees。

使用 DTree::save 将 DTree 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 DTree。可以选择为包含分类器的文件指定节点

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 )

纯虚函数

Python
	cv.ml.DTrees.setCVFolds(	val	) ->	无

另请参阅: getCVFolds

◆ setMaxCategories()

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

纯虚函数

Python
	cv.ml.DTrees.setMaxCategories(	val	) ->	无

另请参阅: getMaxCategories

◆ setMaxDepth()

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

纯虚函数

Python
	cv.ml.DTrees.setMaxDepth(	val	) ->	无

另请参阅: getMaxDepth

◆ setMinSampleCount()

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

纯虚函数

Python
	cv.ml.DTrees.setMinSampleCount(	val	) ->	无

另请参阅: getMinSampleCount

◆ setPriors()

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

纯虚函数

Python
	cv.ml.DTrees.setPriors(	val	) ->	无

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 )

纯虚函数

Python
	cv.ml.DTrees.setRegressionAccuracy(	val	) ->	无

另请参阅: getRegressionAccuracy

◆ setTruncatePrunedTree()

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

纯虚函数

Python
	cv.ml.DTrees.setTruncatePrunedTree(	val	) ->	无

另请参阅: getTruncatePrunedTree

◆ setUse1SERule()

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

纯虚函数

Python
	cv.ml.DTrees.setUse1SERule(	val	) ->	无

另请参阅: getUse1SERule

◆ setUseSurrogates()

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

纯虚函数

Python
	cv.ml.DTrees.setUseSurrogates(	val	) ->	无

另请参阅: getUseSurrogates

此类的文档是从以下文件生成的

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

详细描述

成员枚举文档

◆ 标志

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()