机器学习

详细描述

机器学习库 (MLL) 是一组用于数据的统计分类、回归和聚类的类和函数。

大多数分类和回归算法都是作为 C++ 类实现的。由于算法具有不同的特征集（例如处理缺失测量值或分类输入变量的能力），因此类之间几乎没有共同点。cv::ml::StatModel 类定义了所有其他 ML 类都派生自的公共基础。

请在此处查看详细概述：机器学习概述。

类
类	cv::ml::ANN_MLP
	人工神经网络 - 多层感知器。更多…
类	cv::ml::Boost
	派生自 DTrees 的提升树分类器。更多…
类	cv::ml::DTrees
	该类表示单个决策树或决策树集合。更多…
类	cv::ml::EM
	该类实现了期望最大化算法。更多…
类	cv::ml::KNearest
	该类实现了 K 近邻模型。更多…
类	cv::ml::LogisticRegression
	实现了逻辑回归分类器。更多…
类	cv::ml::NormalBayesClassifier
	用于正态分布数据的贝叶斯分类器。更多…
类	cv::ml::ParamGrid
	该结构表示统计模型参数的对数网格范围。更多…
类	cv::ml::RTrees
	该类实现了随机森林预测器。更多…
结构	cv::ml::SimulatedAnnealingSolverSystem
	此类声明了模拟退火优化算法中使用的系统状态的示例接口。更多…
类	cv::ml::StatModel
	OpenCV ML 中统计模型的基类。更多…
类	cv::ml::SVM
	支持向量机。更多…
类	cv::ml::SVMSGD
	随机梯度下降 SVM 分类器。更多…
类	cv::ml::TrainData
	封装训练数据的类。更多…

类型定义
typedef ANN_MLP	cv::ml::ANN_MLP_ANNEAL

枚举
枚举	cv::ml::ErrorTypes {   cv::ml::TEST_ERROR = 0 ,   cv::ml::TRAIN_ERROR = 1 }
	错误类型 更多…
枚举	cv::ml::SampleTypes {   cv::ml::ROW_SAMPLE = 0 ,   cv::ml::COL_SAMPLE = 1 }
	样本类型。 更多…
枚举	cv::ml::VariableTypes {   cv::ml::VAR_NUMERICAL =0 ,   cv::ml::VAR_ORDERED =0 ,   cv::ml::VAR_CATEGORICAL =1 }
	变量类型。 更多…

函数
void	cv::ml::createConcentricSpheresTestSet (int nsamples, int nfeatures, int nclasses, OutputArray samples, OutputArray responses)
	创建测试集。
void	cv::ml::randMVNormal (InputArray mean, InputArray cov, int nsamples, OutputArray samples)
	从多元正态分布生成样本。
模板<类 SimulatedAnnealingSolverSystem >
int	cv::ml::simulatedAnnealingSolver (SimulatedAnnealingSolverSystem &solverSystem, double initialTemperature, double finalTemperature, double coolingRatio, size_t iterationsPerStep, double *lastTemperature=NULL, cv::RNG &rngEnergy=cv::theRNG())
	该类实现了模拟退火优化算法。

类型定义文档

ANN_MLP_ANNEAL

typedef ANN_MLP cv::ml::ANN_MLP_ANNEAL

#include <opencv2/ml.hpp>

枚举类型文档

ErrorTypes

enum cv::ml::ErrorTypes

#include <opencv2/ml.hpp>

错误类型

枚举器
TEST_ERROR  Python: cv.ml.TEST_ERROR
TRAIN_ERROR  Python: cv.ml.TRAIN_ERROR

SampleTypes

enum cv::ml::SampleTypes

#include <opencv2/ml.hpp>

样本类型。

枚举器
ROW_SAMPLE  Python: cv.ml.ROW_SAMPLE	每个训练样本都是样本的一行
COL_SAMPLE  Python: cv.ml.COL_SAMPLE	每个训练样本占据样本的一列

VariableTypes

enum cv::ml::VariableTypes

#include <opencv2/ml.hpp>

变量类型。

枚举器
VAR_NUMERICAL  Python: cv.ml.VAR_NUMERICAL	与 VAR_ORDERED 相同
VAR_ORDERED  Python: cv.ml.VAR_ORDERED	有序变量
VAR_CATEGORICAL  Python: cv.ml.VAR_CATEGORICAL	分类变量

函数文档

createConcentricSpheresTestSet()

void cv::ml::createConcentricSpheresTestSet	(	int	nsamples,
		int	nfeatures,
		int	nclasses,
		输出数组	样本,
		输出数组	响应 )

#include <opencv2/ml.hpp>

创建测试集。

以下是此函数的调用图

randMVNormal()

void cv::ml::randMVNormal	(	输入数组	均值,
		输入数组	协方差,
		int	nsamples,
		输出数组	样本 )

#include <opencv2/ml.hpp>

从多元正态分布生成样本。

参数

均值	平均行向量
协方差	对称协方差矩阵
nsamples	返回的样本数
样本	返回的样本数组

以下是此函数的调用图

simulatedAnnealingSolver()

模板<类 SimulatedAnnealingSolverSystem >

int cv::ml::simulatedAnnealingSolver	(	模拟退火求解器系统 &	求解器系统,
		双精度浮点数	初始温度,
		双精度浮点数	最终温度,
		双精度浮点数	冷却比率,
		size_t	每步迭代次数,
		双精度浮点数指针	lastTemperature = NULL,
		cv::RNG &	rngEnergy = cv::theRNG() )

#include <opencv2/ml.hpp>

该类实现了模拟退火优化算法。

[146] 详见

参数

求解器系统	优化系统（参见 模拟退火求解器系统）
初始温度	初始温度
最终温度	最终温度
冷却比率	温度步长乘数
每步迭代次数	每次温度变化步长的迭代次数
lastTemperature	可选输出，用于最后使用的温度
rngEnergy	指定自定义随机数生成器（默认情况下为cv::theRNG()）

以下是此函数的调用图