cv::ml::NormalBayesClassifier 類參考

用於正態分佈資料的貝葉斯分類器。更多...

#include <opencv2/ml.hpp>

cv::ml::NormalBayesClassifier 的協作圖

公共成員函式
virtual float	predictProb (InputArray inputs, OutputArray outputs, OutputArray outputProbs, int flags=0) const =0
	預測樣本的響應。
從 cv::ml::StatModel 繼承的公共成員函式
virtual float	calcError (const Ptr< TrainData > &data, bool test, OutputArray resp) const
	計算訓練或測試資料集上的誤差。
virtual bool	empty () const CV_OVERRIDE
	如果 演算法為空（例如，在最開始或讀取不成功後），則返回 true。
virtual int	getVarCount () const =0
	返回訓練樣本中變數的數量。
virtual bool	isClassifier () const =0
	如果模型是分類器，則返回 true。
virtual bool	isTrained () const =0
	如果模型已訓練，則返回 true。
virtual float	predict (InputArray samples, OutputArray results=noArray(), int flags=0) const =0
	預測提供的樣本的響應
virtual bool	train (const Ptr< TrainData > &trainData, int flags=0)
	訓練統計模型。
virtual bool	train (InputArray samples, int layout, InputArray responses)
	訓練統計模型。
從 cv::Algorithm 繼承的公共成員函式
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	清除演算法狀態。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	從檔案儲存中讀取演算法引數。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	將演算法引數儲存到檔案儲存中。
void	write (FileStorage &fs, const String &name) const

靜態公共成員函式
static Ptr< NormalBayesClassifier >	create ()
static Ptr< NormalBayesClassifier >	load (const String &filepath, const String &nodeName=String())
	從檔案載入並建立一個序列化的 NormalBayesClassifier。
從 cv::ml::StatModel 繼承的靜態公共成員函式
template<typename _Tp >
static Ptr< _Tp >	train (const Ptr< TrainData > &data, int flags=0)
	使用預設引數建立並訓練模型。
從 cv::Algorithm 繼承的靜態公共成員函式
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	從檔案中載入演算法。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	從字串載入演算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	從檔案節點讀取演算法。

附加的繼承成員
從 cv::ml::StatModel 繼承的公共型別
列舉	標誌 {   UPDATE_MODEL = 1 ,   RAW_OUTPUT =1 ,   COMPRESSED_INPUT =2 ,   PREPROCESSED_INPUT =4 }
從 cv::Algorithm 繼承的保護成員函式
void	writeFormat (FileStorage &fs) const

詳細描述

用於正態分佈資料的貝葉斯分類器。

另請參見

正態貝葉斯分類器

成員函式文件

create()

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

static

Python
	cv.ml.NormalBayesClassifier.create(		) ->	retval
	cv.ml.NormalBayesClassifier_create(		) ->	retval

建立空模型。建立後使用 StatModel::train 訓練模型。

load()

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

static

Python
	cv.ml.NormalBayesClassifier.load(	filepath[, nodeName]	) ->	retval
	cv.ml.NormalBayesClassifier_load(	filepath[, nodeName]	) ->	retval

從檔案載入並建立一個序列化的 NormalBayesClassifier。

使用 NormalBayesClassifier::save 序列化並將 NormalBayesClassifier 儲存到磁碟。 透過呼叫此函式並使用檔案路徑，再次從此檔案載入 NormalBayesClassifier。 可以選擇為包含分類器的檔案指定節點

引數

filepath	序列化的 NormalBayesClassifier 的路徑
nodeName	包含分類器的節點的名稱

predictProb()

virtual float cv::ml::NormalBayesClassifier::predictProb ( InputArray inputs, OutputArray outputs, OutputArray outputProbs, int flags = 0 ) const

純虛擬函式

Python
	cv.ml.NormalBayesClassifier.predictProb(	inputs[, outputs[, outputProbs[, flags]]]	) ->	retval, outputs, outputProbs

預測樣本的響應。

此方法估計輸入向量最可能的類別。輸入向量（一個或多個）儲存為矩陣輸入的行。 對於多個輸入向量，應有一個輸出向量輸出。 方法返回單個輸入向量的預測類別。 向量 outputProbs 包含與結果的每個元素對應的輸出機率。

---

此類文件由以下檔案生成

• opencv2/ml.hpp