实现逻辑回归分类器。更多...

#include <opencv2/ml.hpp>

cv::ml::LogisticRegression 协作图

公共类型
枚举	方法 { BATCH = 0 , MINI_BATCH = 1 }
	训练方法。更多...

枚举	RegKinds { REG_DISABLE = -1 , REG_L1 = 0 , REG_L2 = 1 }
	正则化类型。更多...

继承自 cv::ml::StatModel 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 Mat	get_learnt_thetas () const =0
	此函数返回按行排列的已训练参数。

virtual int	getIterations () const =0

virtual double	getLearningRate () const =0

virtual int	getMiniBatchSize () const =0

virtual int	getRegularization () const =0

virtual TermCriteria	getTermCriteria () const =0

virtual int	getTrainMethod () const =0

virtual float	predict (InputArray samples, OutputArray results=noArray(), int flags=0) const CV_OVERRIDE=0
	预测输入样本的响应并返回 float 类型。

virtual void	setIterations (int val)=0

virtual void	setLearningRate (double val)=0

virtual void	setMiniBatchSize (int val)=0

virtual void	setRegularization (int val)=0

virtual void	setTermCriteria (TermCriteria val)=0

virtual void	setTrainMethod (int val)=0

继承自 cv::ml::StatModel 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 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。

继承自 cv::Algorithm 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< LogisticRegression >	create ()
	创建空模型。

static Ptr< LogisticRegression >	load (const String &filepath, const String &nodeName=String())
	从文件中加载并创建一个序列化的 LogisticRegression。

继承自 cv::ml::StatModel 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。

继承自 cv::Algorithm 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
继承自 cv::Algorithm 的保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

实现 Logistic 回归分类器。

另请参见: 逻辑回归

成员枚举文档

◆ 方法

enum cv::ml::LogisticRegression::Methods

训练方法。

枚举器
BATCH
MINI_BATCH	使用此方法时，将 MiniBatchSize 设置为正整数。

◆ RegKinds

enum cv::ml::LogisticRegression::RegKinds

正则化类型。

枚举器
REG_DISABLE	正则化已禁用。
REG_L1	L1 范数
REG_L2	L2 范数

成员函数文档

◆ create()

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

static

Python
	cv.ml.LogisticRegression.create(		) ->	retval
	cv.ml.LogisticRegression_create(		) ->	retval

创建空模型。

创建带有给定参数的逻辑回归模型。

◆ get_learnt_thetas()

virtual Mat cv::ml::LogisticRegression::get_learnt_thetas ( ) const

纯虚函数

Python
	cv.ml.LogisticRegression.get_learnt_thetas(		) ->	retval

此函数返回按行排列的已训练参数。

对于二分类问题，它返回一个行矩阵。它返回逻辑回归的已学习参数，类型为 CV_32F 的矩阵。

◆ getIterations()

virtual int cv::ml::LogisticRegression::getIterations ( ) const

纯虚函数

Python
	cv.ml.LogisticRegression.getIterations(		) ->	retval

Number of iterations.

另请参见: setIterations

◆ getLearningRate()

virtual double cv::ml::LogisticRegression::getLearningRate ( ) const

纯虚函数

Python
	cv.ml.LogisticRegression.getLearningRate(		) ->	retval

学习率。

另请参见: setLearningRate

◆ getMiniBatchSize()

virtual int cv::ml::LogisticRegression::getMiniBatchSize ( ) const

纯虚函数

Python
	cv.ml.LogisticRegression.getMiniBatchSize(		) ->	retval

指定在 Mini-Batch 梯度下降的每个步骤中使用的训练样本数量。仅在使用 LogisticRegression::MINI_BATCH 训练算法时使用。其值必须小于训练样本总数。

另请参见: setMiniBatchSize

◆ getRegularization()

virtual int cv::ml::LogisticRegression::getRegularization ( ) const

纯虚函数

Python
	cv.ml.LogisticRegression.getRegularization(		) ->	retval

要应用的正则化类型。参见 LogisticRegression::RegKinds。

另请参见: setRegularization

◆ getTermCriteria()

virtual TermCriteria cv::ml::LogisticRegression::getTermCriteria ( ) const

纯虚函数

Python
	cv.ml.LogisticRegression.getTermCriteria(		) ->	retval

算法的终止条件。

另请参见: setTermCriteria

◆ getTrainMethod()

virtual int cv::ml::LogisticRegression::getTrainMethod ( ) const

纯虚函数

Python
	cv.ml.LogisticRegression.getTrainMethod(		) ->	retval

使用的训练方法类型。参见 LogisticRegression::Methods。

另请参见: setTrainMethod

◆ load()

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

static

Python
	cv.ml.LogisticRegression.load(	filepath[, nodeName]	) ->	retval
	cv.ml.LogisticRegression_load(	filepath[, nodeName]	) ->	retval

从文件中加载并创建一个序列化的 LogisticRegression。

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

参数

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

◆ predict()

virtual float cv::ml::LogisticRegression::predict	(	InputArray	samples,
		OutputArray	results = noArray(),
		int	flags = 0 ) const

纯虚函数

Python
	cv.ml.LogisticRegression.predict(	samples[, results[, flags]]	) ->	retval, results

预测输入样本的响应并返回 float 类型。

参数

samples	预测算法的输入数据。矩阵 [m x n]，其中每行包含一个被分类对象的变量（特征）。数据类型应为 CV_32F。
结果	预测标签作为 CV_32S 类型的列矩阵。
flags	未使用。

实现 cv::ml::StatModel。

此函数的调用图如下

◆ setIterations()

virtual void cv::ml::LogisticRegression::setIterations ( int val )

纯虚函数

Python
	cv.ml.LogisticRegression.setIterations(	val	) ->	无

另请参见: getIterations

◆ setLearningRate()

virtual void cv::ml::LogisticRegression::setLearningRate ( double val )

纯虚函数

Python
	cv.ml.LogisticRegression.setLearningRate(	val	) ->	无

另请参见: getLearningRate

◆ setMiniBatchSize()

virtual void cv::ml::LogisticRegression::setMiniBatchSize ( int val )

纯虚函数

Python
	cv.ml.LogisticRegression.setMiniBatchSize(	val	) ->	无

另请参见: getMiniBatchSize

◆ setRegularization()

virtual void cv::ml::LogisticRegression::setRegularization ( int val )

纯虚函数

Python
	cv.ml.LogisticRegression.setRegularization(	val	) ->	无

另请参见: getRegularization

◆ setTermCriteria()

virtual void cv::ml::LogisticRegression::setTermCriteria ( TermCriteria val )

纯虚函数

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

另请参见: getTermCriteria

◆ setTrainMethod()

virtual void cv::ml::LogisticRegression::setTrainMethod ( int val )

纯虚函数

Python
	cv.ml.LogisticRegression.setTrainMethod(	val	) ->	无

另请参见: getTrainMethod

此类的文档是从以下文件生成的

opencv2/ml.hpp

公共类型

公共成员函数

静态公共成员函数

附加继承成员

详细描述

成员枚举文档

◆ 方法

◆ RegKinds

成员函数文档

◆ create()

◆ get_learnt_thetas()

◆ getIterations()

◆ getLearningRate()

◆ getMiniBatchSize()

◆ getRegularization()

◆ getTermCriteria()

◆ getTrainMethod()

◆ load()

◆ predict()

◆ setIterations()

◆ setLearningRate()

◆ setMiniBatchSize()

◆ setRegularization()

◆ setTermCriteria()

◆ setTrainMethod()