cv::ml::TrainData 类参考

封装训练数据的类。 更多...

#include <opencv2/ml.hpp>

cv::ml::TrainData 协作图

公共成员函数
virtual	~TrainData ()
virtual int	getCatCount (int vi) const =0
virtual Mat	getCatMap () const =0
virtual Mat	getCatOfs () const =0
virtual Mat	getClassLabels () const =0
	返回类标签向量。
virtual Mat	getDefaultSubstValues () const =0
virtual int	getLayout () const =0
virtual Mat	getMissing () const =0
virtual int	getNAllVars () const =0
virtual void	getNames (std::vector< String > &names) const =0
	返回在 loadFromCSV() 中捕获的符号名称向量。
virtual Mat	getNormCatResponses () const =0
virtual void	getNormCatValues (int vi, InputArray sidx, int *values) const =0
virtual int	getNSamples () const =0
virtual int	getNTestSamples () const =0
virtual int	getNTrainSamples () const =0
virtual int	getNVars () const =0
virtual Mat	getResponses () const =0
virtual int	getResponseType () const =0
virtual void	getSample (InputArray varIdx, int sidx, float *buf) const =0
virtual Mat	getSamples () const =0
virtual Mat	getSampleWeights () const =0
virtual Mat	getTestNormCatResponses () const =0
virtual Mat	getTestResponses () const =0
virtual Mat	getTestSampleIdx () const =0
virtual Mat	getTestSamples () const =0
	返回测试样本矩阵。
virtual Mat	getTestSampleWeights () const =0
virtual Mat	getTrainNormCatResponses () const =0
	返回归一化的分类响应向量。
virtual Mat	getTrainResponses () const =0
	返回响应向量。
virtual Mat	getTrainSampleIdx () const =0
virtual Mat	getTrainSamples (int layout=ROW_SAMPLE, bool compressSamples=true, bool compressVars=true) const =0
	返回训练样本矩阵。
virtual Mat	getTrainSampleWeights () const =0
virtual void	getValues (int vi, InputArray sidx, float *values) const =0
virtual Mat	getVarIdx () const =0
virtual Mat	getVarSymbolFlags () const =0
virtual Mat	getVarType () const =0
virtual void	setTrainTestSplit (int count, bool shuffle=true)=0
	将训练数据分为训练部分和测试部分。
virtual void	setTrainTestSplitRatio (double ratio, bool shuffle=true)=0
	将训练数据分为训练部分和测试部分。
virtual void	shuffleTrainTest ()=0

静态公共成员函数
static Ptr< TrainData >	create (InputArray samples, int layout, InputArray responses, InputArray varIdx=noArray(), InputArray sampleIdx=noArray(), InputArray sampleWeights=noArray(), InputArray varType=noArray())
	从内存数组创建训练数据。
static Mat	getSubMatrix (const Mat &matrix, const Mat &idx, int layout)
	从矩阵中提取由传入索引指定的行/列。
static Mat	getSubVector (const Mat &vec, const Mat &idx)
	从一维向量中提取由传入索引指定的元素。
static Ptr< TrainData >	loadFromCSV (const String &filename, int headerLineCount, int responseStartIdx=-1, int responseEndIdx=-1, const String &varTypeSpec=String(), char delimiter=',', char missch='?')
	从 .csv 文件读取数据集并返回可用的训练数据。
static float	missingValue ()

详细描述

封装训练数据的类。

请注意，该类只指定训练数据的接口，而不指定实现。ml 模块中的所有统计模型类都接受 Ptr<TrainData> 作为参数。换句话说，您可以创建自己的派生自 TrainData 的类，并将该类实例的智能指针传递给 StatModel::train。

另请参见

训练数据

构造函数 & 析构函数文档

~TrainData()

virtual cv::ml::TrainData::~TrainData ( )

virtual

成员函数文档

create()

static Ptr< TrainData > cv::ml::TrainData::create ( InputArray samples, int layout, InputArray responses, InputArray varIdx = noArray(), InputArray sampleIdx = noArray(), InputArray sampleWeights = noArray(), InputArray varType = noArray() )

static

Python
	cv.ml.TrainData.create(	samples, layout, responses[, varIdx[, sampleIdx[, sampleWeights[, varType]]]]	) ->	retval
	cv.ml.TrainData_create(	samples, layout, responses[, varIdx[, sampleIdx[, sampleWeights[, varType]]]]	) ->	retval

从内存数组创建训练数据。

参数

samples	样本矩阵。它应该具有 CV_32F 类型。
layout	参见 ml::SampleTypes。
responses	响应矩阵。如果响应是标量，它们应该存储为单行或单列。矩阵应具有 CV_32F 或 CV_32S 类型（在前一种情况下，响应默认被视为有序；在后一种情况下 - 被视为分类）
varIdx	指定用于训练的变量向量。它可以是包含基于0的变量索引的整数向量（CV_32S），或者包含活动变量掩码的字节向量（CV_8U）。
sampleIdx	指定用于训练的样本向量。它可以是包含基于0的样本索引的整数向量（CV_32S），或者包含训练样本掩码的字节向量（CV_8U）。
sampleWeights	可选向量，包含每个样本的权重。它应该具有 CV_32F 类型。
varType	可选向量，类型为 CV_8U，大小为 <number_of_variables_in_samples> + <number_of_variables_in_responses>，包含每个输入和输出变量的类型。参见 ml::VariableTypes。

此函数的调用图如下

getCatCount()

virtual int cv::ml::TrainData::getCatCount ( int vi ) const

纯虚函数

Python
	cv.ml.TrainData.getCatCount(	vi	) ->	retval

getCatMap()

virtual Mat cv::ml::TrainData::getCatMap ( ) const

纯虚函数

Python
	cv.ml.TrainData.getCatMap(		) ->	retval

getCatOfs()

virtual Mat cv::ml::TrainData::getCatOfs ( ) const

纯虚函数

Python
	cv.ml.TrainData.getCatOfs(		) ->	retval

getClassLabels()

virtual Mat cv::ml::TrainData::getClassLabels ( ) const

纯虚函数

Python
	cv.ml.TrainData.getClassLabels(		) ->	retval

返回类标签向量。

该函数返回响应中出现的唯一标签向量。

getDefaultSubstValues()

virtual Mat cv::ml::TrainData::getDefaultSubstValues ( ) const

纯虚函数

Python
	cv.ml.TrainData.getDefaultSubstValues(		) ->	retval

getLayout()

virtual int cv::ml::TrainData::getLayout ( ) const

纯虚函数

Python
	cv.ml.TrainData.getLayout(		) ->	retval

getMissing()

virtual Mat cv::ml::TrainData::getMissing ( ) const

纯虚函数

Python
	cv.ml.TrainData.getMissing(		) ->	retval

getNAllVars()

virtual int cv::ml::TrainData::getNAllVars ( ) const

纯虚函数

Python
	cv.ml.TrainData.getNAllVars(		) ->	retval

getNames()

virtual void cv::ml::TrainData::getNames ( std::vector< String > & names ) const

纯虚函数

Python
	cv.ml.TrainData.getNames(	names	) ->	无

返回在 loadFromCSV() 中捕获的符号名称向量。

getNormCatResponses()

virtual Mat cv::ml::TrainData::getNormCatResponses ( ) const

纯虚函数

Python
	cv.ml.TrainData.getNormCatResponses(		) ->	retval

getNormCatValues()

virtual void cv::ml::TrainData::getNormCatValues ( int vi, InputArray sidx, int * values ) const

纯虚函数

getNSamples()

virtual int cv::ml::TrainData::getNSamples ( ) const

纯虚函数

Python
	cv.ml.TrainData.getNSamples(		) ->	retval

getNTestSamples()

virtual int cv::ml::TrainData::getNTestSamples ( ) const

纯虚函数

Python
	cv.ml.TrainData.getNTestSamples(		) ->	retval

getNTrainSamples()

virtual int cv::ml::TrainData::getNTrainSamples ( ) const

纯虚函数

Python
	cv.ml.TrainData.getNTrainSamples(		) ->	retval

getNVars()

virtual int cv::ml::TrainData::getNVars ( ) const

纯虚函数

Python
	cv.ml.TrainData.getNVars(		) ->	retval

getResponses()

virtual Mat cv::ml::TrainData::getResponses ( ) const

纯虚函数

Python
	cv.ml.TrainData.getResponses(		) ->	retval

getResponseType()

virtual int cv::ml::TrainData::getResponseType ( ) const

纯虚函数

Python
	cv.ml.TrainData.getResponseType(		) ->	retval

getSample()

virtual void cv::ml::TrainData::getSample ( InputArray varIdx, int sidx, float * buf ) const

纯虚函数

Python
	cv.ml.TrainData.getSample(	varIdx, sidx, buf	) ->	无

getSamples()

virtual Mat cv::ml::TrainData::getSamples ( ) const

纯虚函数

Python
	cv.ml.TrainData.getSamples(		) ->	retval

getSampleWeights()

virtual Mat cv::ml::TrainData::getSampleWeights ( ) const

纯虚函数

Python
	cv.ml.TrainData.getSampleWeights(		) ->	retval

getSubMatrix()

static Mat cv::ml::TrainData::getSubMatrix ( const Mat & 矩阵, const Mat & idx, int layout )

static

Python
	cv.ml.TrainData.getSubMatrix(	matrix, idx, layout	) ->	retval
	cv.ml.TrainData_getSubMatrix(	matrix, idx, layout	) ->	retval

从矩阵中提取由传入索引指定的行/列。

参数

矩阵	输入矩阵（支持类型：CV_32S, CV_32F, CV_64F）
idx	一维索引向量
layout	指定提取行（cv::ml::ROW_SAMPLES）或提取列（cv::ml::COL_SAMPLES）

getSubVector()

static Mat cv::ml::TrainData::getSubVector ( const Mat & vec, const Mat & idx )

static

Python
	cv.ml.TrainData.getSubVector(	vec, idx	) ->	retval
	cv.ml.TrainData_getSubVector(	vec, idx	) ->	retval

从一维向量中提取由传入索引指定的元素。

参数

vec	输入向量（支持类型：CV_32S, CV_32F, CV_64F）
idx	一维索引向量

getTestNormCatResponses()

virtual Mat cv::ml::TrainData::getTestNormCatResponses ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTestNormCatResponses(		) ->	retval

getTestResponses()

virtual Mat cv::ml::TrainData::getTestResponses ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTestResponses(		) ->	retval

getTestSampleIdx()

virtual Mat cv::ml::TrainData::getTestSampleIdx ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTestSampleIdx(		) ->	retval

getTestSamples()

virtual Mat cv::ml::TrainData::getTestSamples ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTestSamples(		) ->	retval

返回测试样本矩阵。

getTestSampleWeights()

virtual Mat cv::ml::TrainData::getTestSampleWeights ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTestSampleWeights(		) ->	retval

getTrainNormCatResponses()

virtual Mat cv::ml::TrainData::getTrainNormCatResponses ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTrainNormCatResponses(		) ->	retval

返回归一化的分类响应向量。

该函数返回响应向量。每个响应都是从 0 到 <number of classes>-1 的整数。实际的标签值可以从类标签向量中检索，参见 TrainData::getClassLabels。

getTrainResponses()

virtual Mat cv::ml::TrainData::getTrainResponses ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTrainResponses(		) ->	retval

返回响应向量。

该函数返回有序或原始的分类响应。它通常用于回归算法。

getTrainSampleIdx()

virtual Mat cv::ml::TrainData::getTrainSampleIdx ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTrainSampleIdx(		) ->	retval

getTrainSamples()

virtual Mat cv::ml::TrainData::getTrainSamples ( int layout = ROW_SAMPLE, bool compressSamples = true, bool compressVars = true ) const

纯虚函数

Python
	cv.ml.TrainData.getTrainSamples(	[, layout[, compressSamples[, compressVars]]]	) ->	retval

返回训练样本矩阵。

参数

layout	请求的布局。如果与初始布局不同，则矩阵将进行转置。参见 ml::SampleTypes。
compressSamples	如果为 true，该函数只返回训练样本（由 sampleIdx 指定）
compressVars	如果为 true，该函数返回较短的训练样本，只包含活动变量。

在当前实现中，该函数试图避免物理数据复制，并返回存储在 TrainData 内部的矩阵（除非需要转置或压缩）。

getTrainSampleWeights()

virtual Mat cv::ml::TrainData::getTrainSampleWeights ( ) const

纯虚函数

Python
	cv.ml.TrainData.getTrainSampleWeights(		) ->	retval

getValues()

virtual void cv::ml::TrainData::getValues ( int vi, InputArray sidx, float * values ) const

纯虚函数

Python
	cv.ml.TrainData.getValues(	vi, sidx, values	) ->	无

getVarIdx()

virtual Mat cv::ml::TrainData::getVarIdx ( ) const

纯虚函数

Python
	cv.ml.TrainData.getVarIdx(		) ->	retval

getVarSymbolFlags()

virtual Mat cv::ml::TrainData::getVarSymbolFlags ( ) const

纯虚函数

Python
	cv.ml.TrainData.getVarSymbolFlags(		) ->	retval

getVarType()

virtual Mat cv::ml::TrainData::getVarType ( ) const

纯虚函数

Python
	cv.ml.TrainData.getVarType(		) ->	retval

loadFromCSV()

static Ptr< TrainData > cv::ml::TrainData::loadFromCSV ( const String & filename, int headerLineCount, int responseStartIdx = -1, int responseEndIdx = -1, const String & varTypeSpec = String(), char delimiter = ',', char missch = '?' )

static

从 .csv 文件读取数据集并返回可用的训练数据。

参数

filename	输入文件名
headerLineCount	开头要跳过的行数；除了头文件，函数还会跳过空行和以 # 开头的行
responseStartIdx	第一个输出变量的索引。如果为 -1，函数将最后一个变量视为响应
responseEndIdx	最后一个输出变量的索引 + 1。如果为 -1，则在 responseStartIdx 处只有一个响应变量。
varTypeSpec	指定变量类型的可选文本字符串。它的格式为 ord[n1-n2,n3,n4-n5,...]cat[n6,n7-n8,...]。也就是说，从 n1 到 n2（包含范围）、n3、n4 到 n5 ... 的变量被认为是序数型，而 n6、n7 到 n8 ... 的变量被认为是分类型。范围 [n1..n2] + [n3] + [n4..n5] + ... + [n6] + [n7..n8] 应该覆盖所有变量。如果未指定 varTypeSpec，则算法使用以下规则： 所有输入变量默认被视为序数型。如果某些列包含非数值，例如“apple”、“pear”、“apple”、“apple”、“mango”，则相应的变量被视为分类型。 如果存在多个输出变量，它们都被视为序数型。错误会在使用非数值时报告。 如果存在单个输出变量，则如果其值为非数值或全部为整数，则被视为分类型。否则，被视为序数型。
delimiter	用于分隔每行值的字符。
missch	用于指定缺失测量值的字符。它不应是数字。尽管它是一个非数值，但它肯定不会影响变量是有序型还是分类型的决定。

注意

如果数据集只包含输入变量而没有响应，请使用 responseStartIdx = -2 和 responseEndIdx = 0。输出变量向量将只包含零。

missingValue()

static float cv::ml::TrainData::missingValue ( )

内联静态

setTrainTestSplit()

virtual void cv::ml::TrainData::setTrainTestSplit ( int count, bool shuffle = true )

纯虚函数

Python
	cv.ml.TrainData.setTrainTestSplit(	count[, shuffle]	) ->	无

将训练数据分为训练部分和测试部分。

另请参见

TrainData::setTrainTestSplitRatio

setTrainTestSplitRatio()

virtual void cv::ml::TrainData::setTrainTestSplitRatio ( double ratio, bool shuffle = true )

纯虚函数

Python
	cv.ml.TrainData.setTrainTestSplitRatio(	ratio[, shuffle]	) ->	无

将训练数据分为训练部分和测试部分。

该函数选择指定相对大小的子集，然后将其作为训练集返回。如果未调用该函数，则所有数据都将用于训练。请注意，对于每个 TrainData::getTrain*，都有相应的 TrainData::getTest*，因此也可以检索和处理测试子集。

另请参见

TrainData::setTrainTestSplit

shuffleTrainTest()

virtual void cv::ml::TrainData::shuffleTrainTest ( )

纯虚函数

Python
	cv.ml.TrainData.shuffleTrainTest(		) ->	无

---

此类的文档是从以下文件生成的

• opencv2/ml.hpp