cv::ml::RTrees 类参考

该类实现了随机森林预测器。 更多信息...

#include <opencv2/ml.hpp>

cv::ml::RTrees 协作图

公共成员函数
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
从 cv::ml::DTrees 继承的公共成员函数
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，按类别标签值排序。
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，按类别标签值排序。
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。
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())
	从文件中加载并创建一个序列化的 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)
	使用默认参数创建并训练模型。
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 继承的保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

此类实现随机森林预测器。

另请参见

随机森林

成员函数文档

create()

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

static

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

在每个树节点随机选择的特征子集的大小，用于寻找最佳分裂。如果设置为 0，则大小将设置为特征总数的平方根。默认值为 0。

另请参见

setActiveVarCount

getCalculateVarImportance()

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

纯虚函数

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

如果为 true，则计算变量重要性，然后可以通过 RTrees::getVarImportance 获取。默认值为 false。

另请参见

setCalculateVarImportance

getOOBError()

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

纯虚函数

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

返回 OOB 错误值，在训练阶段 calcOOBError 设置为 true 时计算。如果此标志设置为 false，则返回 0。OOB 错误也按样本权重进行缩放。

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。要么在指定数量的树被训练并添加到集成中时停止，要么在达到足够的精度（以 OOB 错误衡量）时停止。通常，树越多，精度越高。然而，精度提高通常会减小，并在一定数量的树之后渐近。此外，需要记住的是，树的数量会线性增加预测时间。默认值为 TermCriteria(TermCriteria::MAX_ITERS + TermCriteria::EPS, 50, 0.1)

另请参见

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。当 CalculateVarImportance 设置为 true 时，该方法返回在训练阶段计算的变量重要性向量。如果此标志设置为 false，则返回空矩阵。

getVotes()

virtual void cv::ml::RTrees::getVotes ( InputArray samples, OutputArray 结果, int flags ) const

纯虚函数

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

返回森林中每棵独立树的结果。如果模型是回归问题，该方法将返回每棵树对每个样本案例的结果。如果模型是分类器，它将返回一个行数为 samples + 1 的 Mat，其中第一行给出类别编号，后续行返回每个类别对每个样本的投票。

参数

samples	包含将计算投票的样本的数组。
结果	计算结果将写入的数组。
flags	定义 RTrees 类型的标志。

load()

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

static

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

从文件中加载并创建一个序列化的 RTree。

使用 RTree::save 将 RTree 序列化并存储到磁盘。通过调用此函数并提供文件路径，再次从该文件加载 RTree。可选择指定包含分类器的文件节点。

参数

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

setActiveVarCount()

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

纯虚函数

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

另请参见

getActiveVarCount

setCalculateVarImportance()

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

纯虚函数

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

另请参见

getCalculateVarImportance

setTermCriteria()

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

纯虚函数

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

另请参见

getTermCriteria

---

此类的文档是从以下文件生成的

• opencv2/ml.hpp