實現邏輯迴歸分類器。更多...

#include <opencv2/ml.hpp>

cv::ml::LogisticRegression 協作圖

公共型別
列舉	方法 { BATCH = 0 , MINI_BATCH = 1 }
	訓練方法。更多...

列舉	RegKinds { REG_DISABLE = -1 , REG_L1 = 0 , REG_L2 = 1 }
	正則化型別。更多...

繼承自 cv::ml::StatModel 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 Mat	get_learnt_thetas () const =0
	此函式返回按行排列的已訓練引數。

virtual int	getIterations () const =0

virtual double	getLearningRate () const =0

virtual int	getMiniBatchSize () const =0

virtual int	getRegularization () const =0

virtual TermCriteria	getTermCriteria () const =0

virtual int	getTrainMethod () const =0

virtual float	predict (InputArray samples, OutputArray results=noArray(), int flags=0) const CV_OVERRIDE=0
	預測輸入樣本的響應並返回 float 型別。

virtual void	setIterations (int val)=0

virtual void	setLearningRate (double val)=0

virtual void	setMiniBatchSize (int val)=0

virtual void	setRegularization (int val)=0

virtual void	setTermCriteria (TermCriteria val)=0

virtual void	setTrainMethod (int val)=0

繼承自 cv::ml::StatModel 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 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。

繼承自 cv::Algorithm 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< LogisticRegression >	create ()
	建立空模型。

static Ptr< LogisticRegression >	load (const String &filepath, const String &nodeName=String())
	從檔案中載入並建立一個序列化的 LogisticRegression。

繼承自 cv::ml::StatModel 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。

繼承自 cv::Algorithm 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
繼承自 cv::Algorithm 的保護成員函式
void	writeFormat (FileStorage &fs) const

詳細描述

實現 Logistic 迴歸分類器。

另請參見: 邏輯迴歸

成員列舉文件

◆ 方法

enum cv::ml::LogisticRegression::Methods

訓練方法。

列舉器
BATCH
MINI_BATCH	使用此方法時，將 MiniBatchSize 設定為正整數。

◆ RegKinds

enum cv::ml::LogisticRegression::RegKinds

正則化型別。

列舉器
REG_DISABLE	正則化已停用。
REG_L1	L1 範數
REG_L2	L2 範數

成員函式文件

◆ create()

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

static

Python
	cv.ml.LogisticRegression.create(		) ->	retval
	cv.ml.LogisticRegression_create(		) ->	retval

建立空模型。

建立帶有給定引數的邏輯迴歸模型。

◆ get_learnt_thetas()

virtual Mat cv::ml::LogisticRegression::get_learnt_thetas ( ) const

純虛擬函式

Python
	cv.ml.LogisticRegression.get_learnt_thetas(		) ->	retval

此函式返回按行排列的已訓練引數。

對於二分類問題，它返回一個行矩陣。它返回邏輯迴歸的已學習引數，型別為 CV_32F 的矩陣。

◆ getIterations()

virtual int cv::ml::LogisticRegression::getIterations ( ) const

純虛擬函式

Python
	cv.ml.LogisticRegression.getIterations(		) ->	retval

Number of iterations.

另請參見: setIterations

◆ getLearningRate()

virtual double cv::ml::LogisticRegression::getLearningRate ( ) const

純虛擬函式

Python
	cv.ml.LogisticRegression.getLearningRate(		) ->	retval

學習率。

另請參見: setLearningRate

◆ getMiniBatchSize()

virtual int cv::ml::LogisticRegression::getMiniBatchSize ( ) const

純虛擬函式

Python
	cv.ml.LogisticRegression.getMiniBatchSize(		) ->	retval

指定在 Mini-Batch 梯度下降的每個步驟中使用的訓練樣本數量。僅在使用 LogisticRegression::MINI_BATCH 訓練演算法時使用。其值必須小於訓練樣本總數。

另請參見: setMiniBatchSize

◆ getRegularization()

virtual int cv::ml::LogisticRegression::getRegularization ( ) const

純虛擬函式

Python
	cv.ml.LogisticRegression.getRegularization(		) ->	retval

要應用的正則化型別。參見 LogisticRegression::RegKinds。

另請參見: setRegularization

◆ getTermCriteria()

virtual TermCriteria cv::ml::LogisticRegression::getTermCriteria ( ) const

純虛擬函式

Python
	cv.ml.LogisticRegression.getTermCriteria(		) ->	retval

演算法的終止條件。

另請參見: setTermCriteria

◆ getTrainMethod()

virtual int cv::ml::LogisticRegression::getTrainMethod ( ) const

純虛擬函式

Python
	cv.ml.LogisticRegression.getTrainMethod(		) ->	retval

使用的訓練方法型別。參見 LogisticRegression::Methods。

另請參見: setTrainMethod

◆ load()

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

static

Python
	cv.ml.LogisticRegression.load(	filepath[, nodeName]	) ->	retval
	cv.ml.LogisticRegression_load(	filepath[, nodeName]	) ->	retval

從檔案中載入並建立一個序列化的 LogisticRegression。

使用 LogisticRegression::save 將 LogisticRegression 序列化並存儲到磁碟。透過呼叫此函式並提供檔案路徑，可以再次從該檔案載入 LogisticRegression。可以選擇指定包含分類器的檔案的節點

引數

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

◆ predict()

virtual float cv::ml::LogisticRegression::predict	(	InputArray	samples,
		OutputArray	results = noArray(),
		int	flags = 0 ) const

純虛擬函式

Python
	cv.ml.LogisticRegression.predict(	samples[, results[, flags]]	) ->	retval, results

預測輸入樣本的響應並返回 float 型別。

引數

samples	預測演算法的輸入資料。矩陣 [m x n]，其中每行包含一個被分類物件的變數（特徵）。資料型別應為 CV_32F。
結果	預測標籤作為 CV_32S 型別的列矩陣。
flags	未使用。

實現 cv::ml::StatModel。

此函式的呼叫圖如下

◆ setIterations()

virtual void cv::ml::LogisticRegression::setIterations ( int val )

純虛擬函式

Python
	cv.ml.LogisticRegression.setIterations(	val	) ->	無

另請參見: getIterations

◆ setLearningRate()

virtual void cv::ml::LogisticRegression::setLearningRate ( double val )

純虛擬函式

Python
	cv.ml.LogisticRegression.setLearningRate(	val	) ->	無

另請參見: getLearningRate

◆ setMiniBatchSize()

virtual void cv::ml::LogisticRegression::setMiniBatchSize ( int val )

純虛擬函式

Python
	cv.ml.LogisticRegression.setMiniBatchSize(	val	) ->	無

另請參見: getMiniBatchSize

◆ setRegularization()

virtual void cv::ml::LogisticRegression::setRegularization ( int val )

純虛擬函式

Python
	cv.ml.LogisticRegression.setRegularization(	val	) ->	無

另請參見: getRegularization

◆ setTermCriteria()

virtual void cv::ml::LogisticRegression::setTermCriteria ( TermCriteria val )

純虛擬函式

Python
	cv.ml.LogisticRegression.setTermCriteria(	val	) ->	無

另請參見: getTermCriteria

◆ setTrainMethod()

virtual void cv::ml::LogisticRegression::setTrainMethod ( int val )

純虛擬函式

Python
	cv.ml.LogisticRegression.setTrainMethod(	val	) ->	無

另請參見: getTrainMethod

此類的文件是從以下檔案生成的

opencv2/ml.hpp

公共型別

公共成員函式

靜態公共成員函式

附加繼承成員

詳細描述

成員列舉文件

◆ 方法

◆ RegKinds

成員函式文件

◆ create()

◆ get_learnt_thetas()

◆ getIterations()

◆ getLearningRate()

◆ getMiniBatchSize()

◆ getRegularization()

◆ getTermCriteria()

◆ getTrainMethod()

◆ load()

◆ predict()

◆ setIterations()

◆ setLearningRate()

◆ setMiniBatchSize()

◆ setRegularization()

◆ setTermCriteria()

◆ setTrainMethod()