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

公開成員函式
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
	計算訓練集或測試集上的誤差。

virtual bool	empty () const CV_OVERRIDE
	如果 Algorithm 為空（例如，在最開始或讀取不成功後），則返回 true。

virtual int	getVarCount () const =0
	返回訓練樣本中的變數數量。

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
	預測所提供樣本的響應

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
	將演算法引數儲存在檔案儲存中。

void	write (FileStorage &fs, const String &name) const

靜態公開成員函式
static Ptr< NormalBayesClassifier >	create ()

static Ptr< NormalBayesClassifier >	load (const String &filepath, const String &nodeName=String())
	從檔案中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)
	建立並訓練具有預設引數的模型。

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())
	從字串中載入演算法。

template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	從檔案節點中讀取演算法。

更多繼承的成員
從 cv::ml::StatModel 繼承的公共型別
enum	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

詳細說明

用於正態分佈資料的貝葉斯分類器。

成員函式說明

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

static (靜態)

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

建立空模型。建立後請使用 StatModel::train 來訓練模型。

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

static (靜態)

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

從檔案中載入並建立一個序列化的 NormalBayesClassifier。

使用 NormalBayesClassifier::save 將 NormalBayesClassifier 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 NormalBayesClassifier。可以選擇指定包含分類器的檔案節點。

引數

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

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。

該方法估計輸入向量最可能屬於的類別。輸入向量（一個或多個）儲存在矩陣 `inputs` 的行中。如果有多個輸入向量，則應該有一個輸出向量 `outputs`。該方法返回單個輸入向量的預測類別。向量 `outputProbs` 包含與 `result` 的每個元素相對應的輸出機率。

該類的文件由以下檔案生成：