cv::ml::NormalBayesClassifier 类参考

用于正态分布数据的贝叶斯分类器。更多...

#include <opencv2/ml.hpp>

cv::ml::NormalBayesClassifier 的协作图

公共成员函数
virtual float	predictProb (InputArray inputs, OutputArray outputs, OutputArray outputProbs, int flags=0) const =0
	预测样本的响应。
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，在最开始或读取不成功后），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< NormalBayesClassifier >	create ()
static Ptr< NormalBayesClassifier >	load (const String &filepath, const String &nodeName=String())
	从文件加载并创建一个序列化的 NormalBayesClassifier。
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。

附加的继承成员
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

用于正态分布数据的贝叶斯分类器。

另请参见

正态贝叶斯分类器

成员函数文档

create()

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

static

Python
	cv.ml.NormalBayesClassifier.create(		) ->	retval
	cv.ml.NormalBayesClassifier_create(		) ->	retval

创建空模型。创建后使用 StatModel::train 训练模型。

load()

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

static

Python
	cv.ml.NormalBayesClassifier.load(	filepath[, nodeName]	) ->	retval
	cv.ml.NormalBayesClassifier_load(	filepath[, nodeName]	) ->	retval

从文件加载并创建一个序列化的 NormalBayesClassifier。

使用 NormalBayesClassifier::save 序列化并将 NormalBayesClassifier 存储到磁盘。 通过调用此函数并使用文件路径，再次从此文件加载 NormalBayesClassifier。 可以选择为包含分类器的文件指定节点

参数

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

predictProb()

virtual float cv::ml::NormalBayesClassifier::predictProb ( InputArray inputs, OutputArray outputs, OutputArray outputProbs, int flags = 0 ) const

纯虚函数

Python
	cv.ml.NormalBayesClassifier.predictProb(	inputs[, outputs[, outputProbs[, flags]]]	) ->	retval, outputs, outputProbs

预测样本的响应。

此方法估计输入向量最可能的类别。输入向量（一个或多个）存储为矩阵输入的行。 对于多个输入向量，应有一个输出向量输出。 方法返回单个输入向量的预测类别。 向量 outputProbs 包含与结果的每个元素对应的输出概率。

---

此类文档由以下文件生成

• opencv2/ml.hpp