cv::ml::StatModel 類參考

OpenCV ML 中統計模型的基類。 更多...

#include <opencv2/ml.hpp>

cv::ml::StatModel 的協作圖

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 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，在剛開始時或讀取不成功之後），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
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::Algorithm 繼承的保護成員函式
void	writeFormat (FileStorage &fs) const

詳細描述

OpenCV ML 中統計模型的基類。

成員列舉文件

標誌

enum cv::ml::StatModel::Flags

預測選項

列舉器
UPDATE_MODEL
RAW_OUTPUT	使該方法返回原始結果（總和），而不是類標籤
COMPRESSED_INPUT
PREPROCESSED_INPUT

成員函式文件

calcError()

virtual float cv::ml::StatModel::calcError ( const Ptr< TrainData > & data, bool test, OutputArray resp ) const

virtual

Python
	cv.ml.StatModel.calcError(	data, test[, resp]	) ->	retval, resp

計算訓練或測試資料集上的誤差。

引數

data	訓練資料
test	如果為 true，則在資料的測試子集上計算誤差；否則，在資料的訓練子集上計算誤差。請注意，如果您載入了一個完全不同的資料集來評估已訓練的分類器，您可能根本不想使用 TrainData::setTrainTestSplitRatio 設定測試子集，並指定 test=false，以便為整個新集合計算誤差。是的，這聽起來有點令人困惑。
resp	可選的輸出響應。

該方法使用 StatModel::predict 來計算誤差。對於迴歸模型，誤差計算為 RMS；對於分類器，誤差計算為錯誤分類樣本的百分比 (0%-100%)。

empty()

virtual bool cv::ml::StatModel::empty ( ) const

virtual

Python
	cv.ml.StatModel.empty(		) ->	retval

如果 Algorithm 為空（例如，在剛開始時或讀取不成功之後），則返回 true。

從 cv::Algorithm 重新實現。

getVarCount()

virtual int cv::ml::StatModel::getVarCount ( ) const

純虛擬函式

Python
	cv.ml.StatModel.getVarCount(		) ->	retval

返回訓練樣本中變數的數量。

isClassifier()

virtual bool cv::ml::StatModel::isClassifier ( ) const

純虛擬函式

Python
	cv.ml.StatModel.isClassifier(		) ->	retval

如果模型是分類器，則返回 true。

isTrained()

virtual bool cv::ml::StatModel::isTrained ( ) const

純虛擬函式

Python
	cv.ml.StatModel.isTrained(		) ->	retval

如果模型已訓練，則返回 true。

predict()

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

純虛擬函式

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

預測提供的樣本的響應

引數

samples	輸入樣本，浮點矩陣
結果	結果的可選輸出矩陣。
flags	可選標誌，模型相關。請參閱 cv::ml::StatModel::Flags。

在 cv::ml::EM 和 cv::ml::LogisticRegression 中實現。

train() [1/3]

template<typename _Tp >

static Ptr< _Tp > cv::ml::StatModel::train ( const Ptr< TrainData > & data, int flags = 0 )

inlinestatic

Python
	cv.ml.StatModel.train(	trainData[, flags]	) ->	retval
	cv.ml.StatModel.train(	samples, layout, responses	) ->	retval

使用預設引數建立並訓練模型。

該類必須實現靜態 create() 方法，該方法沒有引數或所有引數都具有預設值

train() [2/3]

virtual bool cv::ml::StatModel::train ( const Ptr< TrainData > & trainData, int flags = 0 )

virtual

Python
	cv.ml.StatModel.train(	trainData[, flags]	) ->	retval
	cv.ml.StatModel.train(	samples, layout, responses	) ->	retval

訓練統計模型。

引數

trainData	可以使用 TrainData::loadFromCSV 從檔案載入的訓練資料，或者使用 TrainData::create 建立。
flags	可選標誌，取決於模型。某些模型可以使用新的訓練樣本進行更新，而不是完全覆蓋（例如 NormalBayesClassifier 或 ANN_MLP）。

train() [3/3]

virtual bool cv::ml::StatModel::train ( InputArray samples, int layout, InputArray responses )

virtual

Python
	cv.ml.StatModel.train(	trainData[, flags]	) ->	retval
	cv.ml.StatModel.train(	samples, layout, responses	) ->	retval

訓練統計模型。

引數

samples	訓練樣本
layout	請參閱 ml::SampleTypes。
responses	與訓練樣本關聯的響應向量。

---

此類文件由以下檔案生成

• opencv2/ml.hpp