cv::ml::TrainData 类参考

封装训练数据的类。 更多…

#include <opencv2/ml.hpp>

cv::ml::TrainData 的协作图

公有成员函数
virtual	~TrainData ()
virtual int	getCatCount (int vi) const =0
virtual Mat	getCatMap () const =0
virtual Mat	getCatOfs () const =0
virtual Mat	getClassLabels () const =0
	返回类别标签向量。
virtual Mat	getDefaultSubstValues () const =0
virtual int	getLayout () const =0
virtual Mat	getMissing () const =0
virtual int	getNAllVars () const =0
virtual void	getNames (std::vector< String > &names) const =0
	返回在 loadFromCSV() 中捕获的符号名称向量
virtual Mat	getNormCatResponses () const =0
virtual void	getNormCatValues (int vi, InputArray sidx, int *values) const =0
virtual int	getNSamples () const =0
virtual int	getNTestSamples () const =0
virtual int	getNTrainSamples () const =0
virtual int	getNVars () const =0
virtual Mat	getResponses () const =0
virtual int	getResponseType () const =0
virtual void	getSample (InputArray varIdx, int sidx, float *buf) const =0
virtual Mat	getSamples () const =0
virtual Mat	getSampleWeights () const =0
virtual Mat	getTestNormCatResponses () const =0
virtual Mat	getTestResponses () const =0
virtual Mat	getTestSampleIdx () const =0
virtual Mat	getTestSamples () const =0
	返回测试样本矩阵。
virtual Mat	getTestSampleWeights () const =0
virtual Mat	getTrainNormCatResponses () const =0
	返回归一化类别响应向量。
virtual Mat	getTrainResponses () const =0
	返回响应向量。
virtual Mat	getTrainSampleIdx () const =0
virtual Mat	getTrainSamples (int layout=ROW_SAMPLE, bool compressSamples=true, bool compressVars=true) const =0
	返回训练样本矩阵。
virtual Mat	getTrainSampleWeights () const =0
virtual void	getValues (int vi, InputArray sidx, float *values) const =0
virtual Mat	getVarIdx () const =0
virtual Mat	getVarSymbolFlags () const =0
virtual Mat	getVarType () const =0
virtual void	setTrainTestSplit (int count, bool shuffle=true)=0
	将训练数据拆分为训练部分和测试部分。
virtual void	setTrainTestSplitRatio (double ratio, bool shuffle=true)=0
	将训练数据拆分为训练部分和测试部分。
virtual void	shuffleTrainTest ()=0

静态公有成员函数
static Ptr< TrainData >	create (InputArray samples, int layout, InputArray responses, InputArray varIdx=noArray(), InputArray sampleIdx=noArray(), InputArray sampleWeights=noArray(), InputArray varType=noArray())
	从内存数组创建训练数据。
static Mat	getSubMatrix (const Mat &matrix, const Mat &idx, int layout)
	从矩阵中提取由传递的索引指定的行/列。
static Mat	getSubVector (const Mat &vec, const Mat &idx)
	从一维向量中提取由传递的索引指定的元素。
static Ptr< TrainData >	loadFromCSV (const String &filename, int headerLineCount, int responseStartIdx=-1, int responseEndIdx=-1, const String &varTypeSpec=String(), char delimiter=',', char missch='?')
	从 .csv 文件读取数据集并返回可立即使用的训练数据。
static float	missingValue ()

详细描述

封装训练数据的类。

请注意，此类仅指定训练数据的接口，而不指定实现。 *ml* 模块中的所有统计模型类都接受 Ptr<TrainData> 作为参数。换句话说，您可以创建自己的从 TrainData 派生的类，并将指向此类实例的智能指针传递到 StatModel::train。

另请参见

训练数据

构造函数和析构函数文档

~TrainData()

virtual cv::ml::TrainData::~TrainData ( )

virtual

成员函数文档

create()

static Ptr< TrainData > cv::ml::TrainData::create ( InputArray samples, int layout, InputArray responses, InputArray varIdx = noArray(), InputArray sampleIdx = noArray(), InputArray sampleWeights = noArray(), InputArray varType = noArray() )

静态

Python
	cv.ml.TrainData.create(	样本, 布局, 响应[, varIdx[, sampleIdx[, sampleWeights[, varType]]]]	) ->	返回值
	cv.ml.TrainData_create(	样本, 布局, 响应[, varIdx[, sampleIdx[, sampleWeights[, varType]]]]	) ->	返回值

从内存数组创建训练数据。

参数

samples	样本矩阵。它应该具有 CV_32F 类型。
layout	参见 ml::SampleTypes。
responses	响应矩阵。如果响应是标量，则应将其存储为单行或单列。矩阵类型应为 CV_32F 或 CV_32S（在前一种情况下，响应默认情况下被认为是有序的；在后一种情况下，则被认为是分类的）
varIdx	指定用于训练的变量的向量。它可以是一个整数向量（CV_32S），包含基于 0 的变量索引，也可以是字节向量（CV_8U），包含活动变量的掩码。
sampleIdx	指定用于训练的样本的向量。它可以是一个整数向量（CV_32S），包含基于 0 的样本索引，也可以是字节向量（CV_8U），包含训练样本的掩码。
sampleWeights	每个样本的权重的可选向量。它应该具有 CV_32F 类型。
varType	类型为 CV_8U 且大小为 <样本中变量的数量> + <响应中变量的数量> 的可选向量，包含每个输入和输出变量的类型。参见 ml::VariableTypes。

此函数的调用图如下所示

getCatCount()

virtual int cv::ml::TrainData::getCatCount ( int vi ) const

纯虚函数

Python
	cv.ml.TrainData.getCatCount(	vi	) ->	返回值

getCatMap()

virtual Mat cv::ml::TrainData::getCatMap ( ) const

纯虚函数

Python
	cv.ml.TrainData.getCatMap(		) ->	返回值

getCatOfs()

virtual Mat cv::ml::TrainData::getCatOfs ( ) const

纯虚函数

Python
	cv.ml.TrainData.getCatOfs(		) ->	返回值

getClassLabels()

virtual Mat cv::ml::TrainData::getClassLabels ( ) const

纯虚函数

Python
	cv.ml.TrainData.getClassLabels(		) ->	返回值

返回类别标签向量。

该函数返回响应中出现的唯一标签向量。

getDefaultSubstValues()

virtual Mat cv::ml::TrainData::getDefaultSubstValues ( ) const

纯虚函数

Python
	cv.ml.TrainData.getDefaultSubstValues(		) ->	返回值

getLayout()

virtual int cv::ml::TrainData::getLayout ( ) const

纯虚函数

Python
	cv.ml.TrainData.getLayout(		) ->	返回值

getMissing()

virtual Mat cv::ml::TrainData::getMissing ( ) const

纯虚函数

Python
	cv.ml.TrainData.getMissing(		) ->	返回值

getNAllVars()

virtual int cv::ml::TrainData::getNAllVars ( ) const

纯虚函数

Python
	cv.ml.TrainData.getNAllVars(		) ->	返回值

getNames()

virtual void cv::ml::TrainData::getNames ( std::vector< String > & names ) const

纯虚函数

Python
	cv.ml.TrainData.getNames(	names	) ->	无

返回在 loadFromCSV() 中捕获的符号名称向量

getNormCatResponses()

virtual Mat cv::ml::TrainData::getNormCatResponses ( ) const

纯虚函数

Python
	cv.ml.TrainData.getNormCatResponses(		) ->	返回值

getNormCatValues()

virtual void cv::ml::TrainData::getNormCatValues ( int vi, InputArray sidx, int* values ) const

纯虚函数

getNSamples()

virtual int cv::ml::TrainData::getNSamples ( ) const

纯虚函数

Python
	cv.ml.TrainData.getNSamples(		) ->	返回值

getNTestSamples()

virtual int cv::ml::TrainData::getNTestSamples ( ) const

纯虚函数

Python
	cv.ml.TrainData.getNTestSamples(		) ->	返回值

getNTrainSamples()

virtual int cv::ml::TrainData::getNTrainSamples ( ) const

纯虚函数

Python
	cv.ml.TrainData.getNTrainSamples(		) ->	返回值

getNVars()

virtual int cv::ml::TrainData::getNVars ( ) const

纯虚函数

Python
	cv.ml.TrainData.getNVars(		) ->	返回值

getResponses()

virtual Mat cv::ml::TrainData::getResponses ( ) const

纯虚函数

Python
	cv.ml.TrainData.getResponses(		) ->	返回值

getResponseType()

virtual int cv::ml::TrainData::getResponseType ( ) const

纯虚函数

Python
	cv.ml.TrainData.getResponseType(		) ->	返回值

getSample()

virtual void cv::ml::TrainData::getSample ( InputArray varIdx, int sidx, float* buf ) const

纯虚函数

Python
	cv.ml.TrainData.getSample(	varIdx, sidx, buf	) ->	无

getSamples()

virtual Mat cv::ml::TrainData::getSamples ( ) const

纯虚函数

Python
	cv.ml.TrainData.getSamples(		) ->	返回值

getSampleWeights()

virtual Mat cv::ml::TrainData::getSampleWeights ( ) const

纯虚函数

Python
	cv.ml.TrainData.getSampleWeights(		) ->	返回值

getSubMatrix()

static Mat cv::ml::TrainData::getSubMatrix ( const Mat & matrix, const Mat & idx, int layout )

静态

Python
	cv.ml.TrainData.getSubMatrix(	matrix, idx, layout	) ->	返回值
	cv.ml.TrainData_getSubMatrix(	matrix, idx, layout	) ->	返回值

从矩阵中提取由传递的索引指定的行/列。

参数

matrix	输入矩阵（支持的类型：CV_32S、CV_32F、CV_64F）
idx	一维索引向量
layout	指定提取行 (cv::ml::ROW_SAMPLES) 还是提取列 (cv::ml::COL_SAMPLES)

getSubVector()

static Mat cv::ml::TrainData::getSubVector ( const Mat & vec, const Mat & idx )

静态

Python
	cv.ml.TrainData.getSubVector(	vec, idx	) ->	返回值
	cv.ml.TrainData_getSubVector(	vec, idx	) ->	返回值

从一维向量中提取由传递的索引指定的元素。

参数

vec	输入向量（支持的类型：CV_32S、CV_32F、CV_64F）
idx	一维索引向量

getTestNormCatResponses()

virtual Mat cv::ml::TrainData::getTestNormCatResponses ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTestNormCatResponses(		) ->	返回值

getTestResponses()

virtual Mat cv::ml::TrainData::getTestResponses ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTestResponses(		) ->	返回值

getTestSampleIdx()

virtual Mat cv::ml::TrainData::getTestSampleIdx ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTestSampleIdx(		) ->	返回值

getTestSamples()

virtual Mat cv::ml::TrainData::getTestSamples ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTestSamples(		) ->	返回值

返回测试样本矩阵。

getTestSampleWeights()

virtual Mat cv::ml::TrainData::getTestSampleWeights ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTestSampleWeights(		) ->	返回值

getTrainNormCatResponses()

virtual Mat cv::ml::TrainData::getTrainNormCatResponses ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTrainNormCatResponses(		) ->	返回值

返回归一化类别响应向量。

该函数返回响应向量。每个响应都是从0到<类别数>-1的整数。然后可以从类别标签向量中检索实际标签值，参见 TrainData::getClassLabels。

getTrainResponses()

virtual Mat cv::ml::TrainData::getTrainResponses ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTrainResponses(		) ->	返回值

返回响应向量。

该函数返回有序的或原始的类别响应。通常用于回归算法。

getTrainSampleIdx()

virtual Mat cv::ml::TrainData::getTrainSampleIdx ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTrainSampleIdx(		) ->	返回值

getTrainSamples()

virtual Mat cv::ml::TrainData::getTrainSamples ( int layout = ROW_SAMPLE, bool compressSamples = true, bool compressVars = true ) const

纯虚函数

Python
	cv.ml.TrainData.getTrainSamples(	[, layout[, compressSamples[, compressVars]]]	) ->	返回值

返回训练样本矩阵。

参数

layout	请求的布局。如果与初始布局不同，则矩阵将被转置。参见 ml::SampleTypes.
compressSamples	如果为 true，则函数仅返回训练样本（由 sampleIdx 指定）。
compressVars	如果为 true，则函数返回较短的训练样本，其中仅包含活动变量。

在当前实现中，该函数尝试避免物理数据复制，并返回存储在 TrainData 中的矩阵（除非需要转置或压缩）。

getTrainSampleWeights()

virtual Mat cv::ml::TrainData::getTrainSampleWeights ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTrainSampleWeights(		) ->	返回值

getValues()

virtual void cv::ml::TrainData::getValues ( int vi, InputArray sidx, float* values ) const

纯虚函数

Python
	cv.ml.TrainData.getValues(	vi, sidx, values	) ->	无

getVarIdx()

virtual Mat cv::ml::TrainData::getVarIdx ( ) const

纯虚函数

Python
	cv.ml.TrainData.getVarIdx(		) ->	返回值

getVarSymbolFlags()

virtual Mat cv::ml::TrainData::getVarSymbolFlags ( ) const

纯虚函数

Python
	cv.ml.TrainData.getVarSymbolFlags(		) ->	返回值

getVarType()

virtual Mat cv::ml::TrainData::getVarType ( ) const

纯虚函数

Python
	cv.ml.TrainData.getVarType(		) ->	返回值

loadFromCSV()

static Ptr< TrainData > cv::ml::TrainData::loadFromCSV ( const String & filename, int headerLineCount, int responseStartIdx = -1, int responseEndIdx = -1, const String & varTypeSpec = String(), char delimiter = ',', char missch = '?' )

静态

从 .csv 文件读取数据集并返回可立即使用的训练数据。

参数

filename	输入文件名
headerLineCount	开头要跳过的行数；除了标题外，该函数还会跳过空行和以 # 开头的行。
responseStartIdx	第一个输出变量的索引。如果为 -1，则该函数将最后一个变量视为响应。
responseEndIdx	最后一个输出变量的索引 + 1。如果为 -1，则在 responseStartIdx 处只有一个响应变量。
varTypeSpec	指定变量类型的可选文本字符串。其格式为 ord[n1-n2,n3,n4-n5,...]cat[n6,n7-n8,...]。也就是说，从 n1 到 n2（包含范围）、n3、n4 到 n5 ... 的变量被视为有序变量，而 n6、n7 到 n8 ... 被视为类别变量。范围 [n1..n2] + [n3] + [n4..n5] + ... + [n6] + [n7..n8] 应该涵盖所有变量。如果未指定 varTypeSpec，则算法使用以下规则： 默认情况下，所有输入变量都被视为有序变量。如果某些列包含非数值值，例如 'apple'、'pear'、'apple'、'apple'、'mango'，则相应的变量被视为类别变量。 如果有多个输出变量，则所有这些变量都被视为有序变量。当使用非数值值时，将报告 Error。 如果只有一个输出变量，则如果其值为非数值或全是整数，则将其视为类别变量。否则，将其视为有序变量。
delimiter	用于分隔每一行中值的字符。
missch	用于指定缺失测量的字符。它不应是数字。虽然它是非数值值，但它肯定不会影响变量是有序还是类别的决定。

注意

如果数据集只包含输入变量而不包含响应，请使用 responseStartIdx = -2 和 responseEndIdx = 0。输出变量向量将只包含零。

missingValue()

static float cv::ml::TrainData::missingValue ( )

inlinestatic

setTrainTestSplit()

virtual void cv::ml::TrainData::setTrainTestSplit ( int count, bool shuffle = true )

纯虚函数

Python
	cv.ml.TrainData.setTrainTestSplit(	count[, shuffle]	) ->	无

将训练数据拆分为训练部分和测试部分。

另请参见

TrainData::setTrainTestSplitRatio

setTrainTestSplitRatio()

virtual void cv::ml::TrainData::setTrainTestSplitRatio ( double ratio, bool shuffle = true )

纯虚函数

Python
	cv.ml.TrainData.setTrainTestSplitRatio(	ratio[, shuffle]	) ->	无

将训练数据拆分为训练部分和测试部分。

该函数选择一个指定相对大小的子集，然后将其作为训练集返回。如果未调用该函数，则所有数据都将用于训练。请注意，对于每个 TrainData::getTrain*，都有相应的 TrainData::getTest*，以便可以检索和处理测试子集。

另请参见

TrainData::setTrainTestSplit

shuffleTrainTest()

virtual void cv::ml::TrainData::shuffleTrainTest ( )

纯虚函数

Python
	cv.ml.TrainData.shuffleTrainTest(		) ->	无

---

此类的文档是从以下文件生成的：

• opencv2/ml.hpp