cv::ml::Boost 类参考

派生自 DTrees 的提升树分类器。 更多...

#include <opencv2/ml.hpp>

cv::ml::Boost 协作图

公共类型
枚举	类型 {   DISCRETE (离散) =0 ,   REAL (实数) =1 ,   LOGIT =2 ,   GENTLE (温和) =3 }
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 }

公共成员函数
virtual int	getBoostType () const =0
virtual int	getWeakCount () const =0
virtual double	getWeightTrimRate () const =0
virtual void	setBoostType (int val)=0
virtual void	setWeakCount (int val)=0
virtual void	setWeightTrimRate (double 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 Algorithm 为空（例如，在最开始或读取失败后），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< Boost >	create ()
static Ptr< Boost >	load (const String &filepath, const String &nodeName=String())
	从文件加载并创建序列化的 Boost。
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())
	从文件加载并创建序列化的 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::Algorithm 继承的保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

派生自 DTrees 的提升树分类器。

另请参见

提升

成员枚举文档

类型

枚举 cv::ml::Boost::Types

提升类型。Gentle AdaBoost 和 Real AdaBoost 通常是首选。

枚举器
DISCRETE	离散 AdaBoost。
REAL	Real AdaBoost。它是一种利用置信度评级预测的技术，并且适用于分类数据。
LOGIT	LogitBoost。它可以产生良好的回归拟合。
GENTLE	Gentle AdaBoost。它对异常数据点的权重较低，因此通常适用于回归数据。

成员函数文档

create()

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

static

Python
	cv.ml.Boost.create(		) ->	retval
	cv.ml.Boost_create(		) ->	retval

创建空模型。使用 StatModel::train 训练模型，使用 Algorithm::load<Boost>(filename) 加载预训练模型。

getBoostType()

virtual int cv::ml::Boost::getBoostType ( ) const

纯虚函数

Python
	cv.ml.Boost.getBoostType(		) ->	retval

提升算法的类型。参见 Boost::Types。默认值为 Boost::REAL。

另请参见

setBoostType (设置 Boost 类型)

getWeakCount()

virtual int cv::ml::Boost::getWeakCount ( ) const

纯虚函数

Python
	cv.ml.Boost.getWeakCount(		) ->	retval

弱分类器的数量。默认值为 100。

另请参见

setWeakCount (设置弱分类器数量)

getWeightTrimRate()

virtual double cv::ml::Boost::getWeightTrimRate ( ) const

纯虚函数

Python
	cv.ml.Boost.getWeightTrimRate(		) ->	retval

一个介于 0 和 1 之间的阈值，用于节省计算时间。总权重 \(\leq 1 - weight_trim_rate\) 的样本不参与下一次训练迭代。将此参数设置为 0 可关闭此功能。默认值为 0.95。

另请参见

setWeightTrimRate (设置权重裁剪率)

load()

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

static

Python
	cv.ml.Boost.load(	filepath[, nodeName]	) ->	retval
	cv.ml.Boost_load(	filepath[, nodeName]	) ->	retval

从文件加载并创建序列化的 Boost。

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

参数

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

setBoostType()

virtual void cv::ml::Boost::setBoostType ( int val )

纯虚函数

Python
	cv.ml.Boost.setBoostType(	val	) ->	无

另请参见

getBoostType (获取 Boost 类型)

setWeakCount()

virtual void cv::ml::Boost::setWeakCount ( int val )

纯虚函数

Python
	cv.ml.Boost.setWeakCount(	val	) ->	无

另请参见

getWeakCount (获取弱分类器数量)

setWeightTrimRate()

virtual void cv::ml::Boost::setWeightTrimRate ( double val )

纯虚函数

Python
	cv.ml.Boost.setWeightTrimRate(	val	) ->	无

另请参见

getWeightTrimRate (获取权重裁剪率)

---

此类的文档是从以下文件生成的

• opencv2/ml.hpp