机器学习

详细描述

机器学习库（MLL）是一组用于数据统计分类、回归和聚类的类和函数。

大多数分类和回归算法都实现为 C++ 类。由于算法具有不同的特征集（例如处理缺失测量值或分类输入变量的能力），因此各类别之间存在一些共同点。这些共同点由 cv::ml::StatModel 类定义，所有其他机器学习类都派生自该类。

在此查看详细概述：机器学习概述。

类
类	cv::ml::ANN_MLP
	人工神经网络 - 多层感知器。更多...
类	cv::ml::Boost
	派生自 DTrees 的 Boosting 树分类器。更多...
类	cv::ml::DTrees
	该类表示单个决策树或决策树集合。更多...
类	cv::ml::EM
	该类实现了期望最大化算法。更多...
类	cv::ml::KNearest
	该类实现了 K 近邻模型。更多...
类	cv::ml::LogisticRegression
	实现逻辑回归分类器。更多...
类	cv::ml::NormalBayesClassifier
	用于正态分布数据的贝叶斯分类器。更多...
类	cv::ml::ParamGrid
	该结构表示统计模型参数的对数网格范围。更多...
类	cv::ml::RTrees
	该类实现了随机森林预测器。更多...
结构体	cv::ml::SimulatedAnnealingSolverSystem
	该类声明了模拟退火优化算法中使用的系统状态示例接口。更多...
类	cv::ml::StatModel
	OpenCV ML 中统计模型的基类。更多...
类	cv::ml::SVM
	支持向量机。更多...
类	cv::ml::SVMSGD
	随机梯度下降 SVM 分类器。更多...
类	cv::ml::TrainData
	封装训练数据的类。更多...

类型定义
typedef ANN_MLP	cv::ml::ANN_MLP_ANNEAL

枚举
枚举	cv::ml::ErrorTypes {   cv::ml::TEST_ERROR = 0 ,   cv::ml::TRAIN_ERROR = 1 }
	错误类型 更多...
枚举	cv::ml::SampleTypes {   cv::ml::ROW_SAMPLE = 0 ,   cv::ml::COL_SAMPLE = 1 }
	样本类型。更多...
枚举	cv::ml::VariableTypes {   cv::ml::VAR_NUMERICAL =0 ,   cv::ml::VAR_ORDERED =0 ,   cv::ml::VAR_CATEGORICAL =1 }
	变量类型。更多...

函数
void	cv::ml::createConcentricSpheresTestSet (int nsamples, int nfeatures, int nclasses, OutputArray samples, OutputArray responses)
	创建测试集。
void	cv::ml::randMVNormal (InputArray mean, InputArray cov, int nsamples, OutputArray samples)
	从多元正态分布生成 *样本*。
template<class SimulatedAnnealingSolverSystem >
int	cv::ml::simulatedAnnealingSolver (SimulatedAnnealingSolverSystem &solverSystem, double initialTemperature, double finalTemperature, double coolingRatio, size_t iterationsPerStep, double *lastTemperature=NULL, cv::RNG &rngEnergy=cv::theRNG())
	该类实现了用于优化的模拟退火算法。

类型定义文档

ANN_MLP_ANNEAL

typedef ANN_MLP cv::ml::ANN_MLP_ANNEAL

#include <opencv2/ml.hpp>

枚举类型文档

ErrorTypes

enum cv::ml::ErrorTypes

#include <opencv2/ml.hpp>

错误类型

枚举器
TEST_ERROR  Python: cv.ml.TEST_ERROR
TRAIN_ERROR  Python: cv.ml.TRAIN_ERROR

SampleTypes

enum cv::ml::SampleTypes

#include <opencv2/ml.hpp>

样本类型。

枚举器
ROW_SAMPLE  Python: cv.ml.ROW_SAMPLE	每个训练样本是一行样本
COL_SAMPLE  Python: cv.ml.COL_SAMPLE	每个训练样本占据一列样本

VariableTypes

enum cv::ml::VariableTypes

#include <opencv2/ml.hpp>

变量类型。

枚举器
VAR_NUMERICAL  Python: cv.ml.VAR_NUMERICAL	与 VAR_ORDERED 相同
VAR_ORDERED  Python: cv.ml.VAR_ORDERED	有序变量
VAR_CATEGORICAL  Python: cv.ml.VAR_CATEGORICAL	分类变量

函数文档

createConcentricSpheresTestSet()

void cv::ml::createConcentricSpheresTestSet	(	int	nsamples,
		int	nfeatures,
		int	nclasses,
		OutputArray	samples,
		OutputArray	responses )

#include <opencv2/ml.hpp>

创建测试集。

此函数的调用图如下

randMVNormal()

void cv::ml::randMVNormal	(	InputArray	mean,
		InputArray	cov,
		int	nsamples,
		OutputArray	samples )

#include <opencv2/ml.hpp>

从多元正态分布生成 *样本*。

参数

mean	平均行向量
cov	对称协变矩阵
nsamples	返回的样本数量
samples	返回的样本数组

此函数的调用图如下

simulatedAnnealingSolver()

template<class SimulatedAnnealingSolverSystem >

int cv::ml::simulatedAnnealingSolver	(	SimulatedAnnealingSolverSystem &	solverSystem,
		double	initialTemperature,
		double	finalTemperature,
		double	coolingRatio,
		size_t	iterationsPerStep,
		如果传入NULL，则假定尺度参数c为1.0。否则，指向的变量将被设置为最优尺度。	lastTemperature = NULL,
		cv::RNG &	rngEnergy = cv::theRNG() )

#include <opencv2/ml.hpp>

该类实现了用于优化的模拟退火算法。

[149] 详情请参阅

参数

solverSystem	优化系统（参见 SimulatedAnnealingSolverSystem）
initialTemperature	初始温度
finalTemperature	最终温度
coolingRatio	温度步长乘数
iterationsPerStep	每个温度变化步骤的迭代次数
lastTemperature	上次使用的温度的可选输出
rngEnergy	指定自定义随机数生成器（默认使用 cv::theRNG()）

此函数的调用图如下