该类表示单个决策树或决策树集合。更多...

#include <opencv2/ml.hpp>

cv::ml::DTrees 的协作图

类
类	Node
	该类表示决策树节点。更多...

类	Split （分割）
	该类表示决策树中的分裂。更多...

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	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
	先验类别概率数组，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
	先验类别概率数组，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 Algorithm 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< 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::Algorithm 继承的保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

该类表示单个决策树或决策树集合。

该类当前的公共接口仅允许用户训练单个决策树，但该类能够存储多个决策树并将其用于预测（通过求和响应或使用投票方案），以及从 DTrees 派生的类（例如 RTrees 和 Boost）利用此功能实现决策树集成。

另请参见: 决策树

成员枚举文档

◆ Flags

enum cv::ml::DTrees::Flags

预测选项

枚举器
PREDICT_AUTO
PREDICT_SUM
PREDICT_MAX_VOTE
PREDICT_MASK

成员函数文档

◆ create()

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

static

Python
	cv.ml.DTrees.create(		) ->	retval
	cv.ml.DTrees_create(		) ->	retval

创建空模型。

静态方法创建具有指定参数的空决策树。然后应使用训练方法进行训练（参见 StatModel::train）。或者，您可以使用 Algorithm::load<DTrees>(filename) 从文件中加载模型。

◆ getCVFolds()

virtual int cv::ml::DTrees::getCVFolds ( ) const

纯虚函数

Python
	cv.ml.DTrees.getCVFolds(		) ->	retval

如果 CVFolds > 1，则算法使用 K 折交叉验证过程修剪构建的决策树，其中 K 等于 CVFolds。默认值为 10。

另请参见: setCVFolds

◆ getMaxCategories()

virtual int cv::ml::DTrees::getMaxCategories ( ) const

纯虚函数

Python
	cv.ml.DTrees.getMaxCategories(		) ->	retval

将分类变量的可能值聚类到 K<=maxCategories 个簇中以找到次优分裂。如果训练过程试图进行分裂的离散变量取值超过 maxCategories 个，则精确的最佳子集估计可能需要很长时间，因为算法是指数级的。相反，许多决策树引擎（包括我们的实现）在这种情况下尝试通过将所有样本聚类到 maxCategories 个簇中来找到次优分裂，即某些类别被合并在一起。聚类仅应用于具有 N > max_categories 可能值的分类变量的 n > 2 类分类问题。在回归和 2 类分类的情况下，可以有效地找到最优分裂而无需采用聚类，因此该参数在这些情况下不使用。默认值为 10。

另请参见: setMaxCategories

◆ getMaxDepth()

virtual int cv::ml::DTrees::getMaxDepth ( ) const

纯虚函数

Python
	cv.ml.DTrees.getMaxDepth(		) ->	retval

树的最大可能深度。即，训练算法尝试在节点深度小于 maxDepth 时分裂该节点。根节点的深度为零。如果满足其他终止条件（参见此处的训练过程概述），并且/或者树被修剪，则实际深度可能会更小。默认值为 INT_MAX。

另请参见: setMaxDepth

◆ getMinSampleCount()

virtual int cv::ml::DTrees::getMinSampleCount ( ) const

纯虚函数

Python
	cv.ml.DTrees.getMinSampleCount(		) ->	retval

如果节点中的样本数量小于此参数，则该节点将不会被分裂。

默认值为 10。

另请参见: setMinSampleCount

◆ getNodes()

virtual const std::vector< Node > & cv::ml::DTrees::getNodes ( ) const

纯虚函数

返回所有节点。

所有节点索引都是返回向量中的索引

◆ getPriors()

virtual cv::Mat cv::ml::DTrees::getPriors ( ) const

纯虚函数

Python
	cv.ml.DTrees.getPriors(		) ->	retval

先验类别概率数组，按类别标签值排序。

该参数可用于调整决策树对特定类别的偏好。例如，如果您想检测一些罕见的异常事件，训练库中很可能包含比异常更多的正常案例，因此仅将每个案例视为正常就能实现非常好的分类性能。为了避免这种情况，可以指定先验，其中异常概率被人为增加（最高可达 0.5 或更高），因此误分类异常的权重变得更大，并且树得到适当调整。

您也可以将此参数视为预测类别的权重，它们决定了您对误分类赋予的相对权重。也就是说，如果第一个类别的权重为 1，第二个类别的权重为 10，则预测第二个类别中的每个错误相当于在预测第一个类别中犯 10 个错误。默认值为空 Mat。

另请参见: setPriors

◆ getRegressionAccuracy()

virtual float cv::ml::DTrees::getRegressionAccuracy ( ) const

纯虚函数

Python
	cv.ml.DTrees.getRegressionAccuracy(		) ->	retval

回归树的终止标准。如果节点中估计值与该节点中训练样本值之间的所有绝对差都小于此参数，则该节点将不再进一步分裂。默认值为 0.01f

另请参见: setRegressionAccuracy

◆ getRoots()

virtual const std::vector< int > & cv::ml::DTrees::getRoots ( ) const

纯虚函数

返回根节点的索引。

◆ getSplits()

virtual const std::vector< Split > & cv::ml::DTrees::getSplits ( ) const

纯虚函数

返回所有分割。

所有分裂索引都是返回向量中的索引

◆ getSubsets()

virtual const std::vector< int > & cv::ml::DTrees::getSubsets ( ) const

纯虚函数

返回所有分类分割的位集。

Split::subsetOfs 是返回向量中的偏移量

◆ getTruncatePrunedTree()

virtual bool cv::ml::DTrees::getTruncatePrunedTree ( ) const

纯虚函数

Python
	cv.ml.DTrees.getTruncatePrunedTree(		) ->	retval

如果为 true，则修剪后的分支将从树中物理删除。否则，它们将保留，并且可以从原始未修剪（或修剪不那么激进）的树中获取结果。默认值为 true。

另请参见: setTruncatePrunedTree

◆ getUse1SERule()

virtual bool cv::ml::DTrees::getUse1SERule ( ) const

纯虚函数

Python
	cv.ml.DTrees.getUse1SERule(		) ->	retval

如果为 true，则修剪会更严格。这将使树更紧凑，更能抵抗训练数据噪声，但准确性会略低。默认值为 true。

另请参见: setUse1SERule

◆ getUseSurrogates()

virtual bool cv::ml::DTrees::getUseSurrogates ( ) const

纯虚函数

Python
	cv.ml.DTrees.getUseSurrogates(		) ->	retval

如果为 true，则将构建代理分裂。这些分裂允许处理缺失数据并正确计算变量重要性。默认值为 false。

注意: 目前尚未实现。

另请参见: setUseSurrogates

◆ load()

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

static

Python
	cv.ml.DTrees.load(	filepath[, nodeName]	) ->	retval
	cv.ml.DTrees_load(	filepath[, nodeName]	) ->	retval

从文件中加载并创建一个序列化的 DTrees。

使用 DTree::save 将 DTree 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 DTree。可选地，可以指定包含分类器的文件节点

参数

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

◆ setCVFolds()

virtual void cv::ml::DTrees::setCVFolds ( int val )

纯虚函数

Python
	cv.ml.DTrees.setCVFolds(	val	) ->	无

另请参见: getCVFolds

◆ setMaxCategories()

virtual void cv::ml::DTrees::setMaxCategories ( int val )

纯虚函数

Python
	cv.ml.DTrees.setMaxCategories(	val	) ->	无

另请参见: getMaxCategories

◆ setMaxDepth()

virtual void cv::ml::DTrees::setMaxDepth ( int val )

纯虚函数

Python
	cv.ml.DTrees.setMaxDepth(	val	) ->	无

另请参见: getMaxDepth

◆ setMinSampleCount()

virtual void cv::ml::DTrees::setMinSampleCount ( int val )

纯虚函数

Python
	cv.ml.DTrees.setMinSampleCount(	val	) ->	无

另请参见: getMinSampleCount

◆ setPriors()

virtual void cv::ml::DTrees::setPriors ( const cv::Mat & val )

纯虚函数

Python
	cv.ml.DTrees.setPriors(	val	) ->	无

先验类别概率数组，按类别标签值排序。

另请参见: getPriors

◆ setRegressionAccuracy()

virtual void cv::ml::DTrees::setRegressionAccuracy ( float val )

纯虚函数

Python
	cv.ml.DTrees.setRegressionAccuracy(	val	) ->	无

另请参见: getRegressionAccuracy

◆ setTruncatePrunedTree()

virtual void cv::ml::DTrees::setTruncatePrunedTree ( bool val )

纯虚函数

Python
	cv.ml.DTrees.setTruncatePrunedTree(	val	) ->	无

另请参见: getTruncatePrunedTree

◆ setUse1SERule()

virtual void cv::ml::DTrees::setUse1SERule ( bool val )

纯虚函数

Python
	cv.ml.DTrees.setUse1SERule(	val	) ->	无

另请参见: getUse1SERule

◆ setUseSurrogates()

virtual void cv::ml::DTrees::setUseSurrogates ( bool val )

纯虚函数

Python
	cv.ml.DTrees.setUseSurrogates(	val	) ->	无

另请参见: getUseSurrogates

此类的文档是从以下文件生成的：

opencv2/ml.hpp

类

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

◆ Flags

成员函数文档

◆ create()

◆ getCVFolds()

◆ getMaxCategories()

◆ getMaxDepth()

◆ getMinSampleCount()

◆ getNodes()

◆ getPriors()

◆ getRegressionAccuracy()

◆ getRoots()

◆ getSplits()

◆ getSubsets()

◆ getTruncatePrunedTree()

◆ getUse1SERule()

◆ getUseSurrogates()

◆ load()

◆ setCVFolds()

◆ setMaxCategories()

◆ setMaxDepth()

◆ setMinSampleCount()

◆ setPriors()

◆ setRegressionAccuracy()

◆ setTruncatePrunedTree()

◆ setUse1SERule()

◆ setUseSurrogates()