cv::ml::Boost 類參考

派生自 DTrees 的提升樹分類器。 更多...

#include <opencv2/ml.hpp>

cv::ml::Boost 協作圖

公共型別
列舉	型別 {   DISCRETE (離散) =0 ,   REAL (實數) =1 ,   LOGIT =2 ,   GENTLE (溫和) =3 }
從 cv::ml::DTrees 繼承的公共型別
列舉	標誌 {   PREDICT_AUTO =0 ,   PREDICT_SUM =(1<<8) ,   PREDICT_MAX_VOTE =(2<<8) ,   PREDICT_MASK =(3<<8) }
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 }

公共成員函式
virtual int	getBoostType () const =0
virtual int	getWeakCount () const =0
virtual double	getWeightTrimRate () const =0
virtual void	setBoostType (int val)=0
virtual void	setWeakCount (int val)=0
virtual void	setWeightTrimRate (double val)=0
從 cv::ml::DTrees 繼承的公共成員函式
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
	返回所有節點。
virtual cv::Mat	getPriors () const =0
	先驗類機率陣列，按類標籤值排序。
virtual float	getRegressionAccuracy () const =0
virtual const std::vector< int > &	getRoots () const =0
	返回根節點的索引。
virtual const std::vector< Split > &	getSplits () const =0
	返回所有分割。
virtual const std::vector< int > &	getSubsets () const =0
	返回所有分類分割的位集。
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
	先驗類機率陣列，按類標籤值排序。
virtual void	setRegressionAccuracy (float val)=0
virtual void	setTruncatePrunedTree (bool val)=0
virtual void	setUse1SERule (bool val)=0
virtual void	setUseSurrogates (bool val)=0
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 Algorithm 為空（例如，在最開始或讀取失敗後），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< Boost >	create ()
static Ptr< Boost >	load (const String &filepath, const String &nodeName=String())
	從檔案載入並建立序列化的 Boost。
從 cv::ml::DTrees 繼承的靜態公共成員函式
static Ptr< DTrees >	create ()
	建立空模型。
static Ptr< DTrees >	load (const String &filepath, const String &nodeName=String())
	從檔案載入並建立序列化的 DTrees。
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。

附加繼承成員
從 cv::Algorithm 繼承的保護成員函式
void	writeFormat (FileStorage &fs) const

詳細描述

派生自 DTrees 的提升樹分類器。

另請參見

提升

成員列舉文件

型別

列舉 cv::ml::Boost::Types

提升型別。Gentle AdaBoost 和 Real AdaBoost 通常是首選。

列舉器
DISCRETE	離散 AdaBoost。
REAL	Real AdaBoost。它是一種利用置信度評級預測的技術，並且適用於分類資料。
LOGIT	LogitBoost。它可以產生良好的迴歸擬合。
GENTLE	Gentle AdaBoost。它對異常資料點的權重較低，因此通常適用於迴歸資料。

成員函式文件

create()

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

static

Python
	cv.ml.Boost.create(		) ->	retval
	cv.ml.Boost_create(		) ->	retval

建立空模型。使用 StatModel::train 訓練模型，使用 Algorithm::load<Boost>(filename) 載入預訓練模型。

getBoostType()

virtual int cv::ml::Boost::getBoostType ( ) const

純虛擬函式

Python
	cv.ml.Boost.getBoostType(		) ->	retval

提升演算法的型別。參見 Boost::Types。預設值為 Boost::REAL。

另請參見

setBoostType (設定 Boost 型別)

getWeakCount()

virtual int cv::ml::Boost::getWeakCount ( ) const

純虛擬函式

Python
	cv.ml.Boost.getWeakCount(		) ->	retval

弱分類器的數量。預設值為 100。

另請參見

setWeakCount (設定弱分類器數量)

getWeightTrimRate()

virtual double cv::ml::Boost::getWeightTrimRate ( ) const

純虛擬函式

Python
	cv.ml.Boost.getWeightTrimRate(		) ->	retval

一個介於 0 和 1 之間的閾值，用於節省計算時間。總權重 \(\leq 1 - weight_trim_rate\) 的樣本不參與下一次訓練迭代。將此引數設定為 0 可關閉此功能。預設值為 0.95。

另請參見

setWeightTrimRate (設定權重裁剪率)

load()

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

static

Python
	cv.ml.Boost.load(	filepath[, nodeName]	) ->	retval
	cv.ml.Boost_load(	filepath[, nodeName]	) ->	retval

從檔案載入並建立序列化的 Boost。

使用 Boost::save 將 RTree 序列化並存儲到磁碟。透過呼叫此函式並傳入檔案路徑，再次從該檔案載入 Boost。可以選擇指定包含分類器的檔案節點。

引數

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

setBoostType()

virtual void cv::ml::Boost::setBoostType ( int val )

純虛擬函式

Python
	cv.ml.Boost.setBoostType(	val	) ->	無

另請參見

getBoostType (獲取 Boost 型別)

setWeakCount()

virtual void cv::ml::Boost::setWeakCount ( int val )

純虛擬函式

Python
	cv.ml.Boost.setWeakCount(	val	) ->	無

另請參見

getWeakCount (獲取弱分類器數量)

setWeightTrimRate()

virtual void cv::ml::Boost::setWeightTrimRate ( double val )

純虛擬函式

Python
	cv.ml.Boost.setWeightTrimRate(	val	) ->	無

另請參見

getWeightTrimRate (獲取權重裁剪率)

---

此類的文件是從以下檔案生成的

• opencv2/ml.hpp