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

公開型別
enum	標誌 {   UPDATE_MODEL = 1 ,   RAW_OUTPUT =1 ,   COMPRESSED_INPUT =2 ,   PREPROCESSED_INPUT =4 }

公開成員函式
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
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::Algorithm 繼承的保護成員函式
void	writeFormat (FileStorage &fs) const

詳細說明

OpenCV ML 中統計模型的基類。

成員列舉文件

Flags

enum cv::ml::StatModel::Flags

預測選項

列舉值 (Enumerator)
UPDATE_MODEL
RAW_OUTPUT	使方法返回原始結果（總和），而不是類別標籤
COMPRESSED_INPUT
PREPROCESSED_INPUT

成員函式說明

calcError()

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

virtual

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

計算訓練集或測試集上的誤差。

引數

data (資料)	訓練資料
test	如果為true，則在資料的測試子集上計算錯誤，否則在訓練子集上計算錯誤。請注意，如果您載入了完全不同的資料集來評估已訓練好的分類器，您可能希望透過 TrainData::setTrainTestSplitRatio 不設定測試子集，並將 test 設定為 false，以便在整個新資料集上計算錯誤。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 來計算錯誤。對於迴歸模型，錯誤計算為 RMS；對於分類器，錯誤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，在最開始或讀取不成功後），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

返回訓練樣本中的變數數量。

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 (樣本), OutputArray results=noArray(), int flags=0 ) const

純虛擬函式

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

預測所提供樣本的響應

引數

samples (樣本)	輸入樣本，浮點矩陣
results	可選的結果輸出矩陣。
flags (標誌)	可選的標誌，取決於模型。有關更多資訊，請參閱 cv::ml::StatModel::Flags。

已在 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 (資料), int flags = 0 )

inlinestatic

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

建立並訓練具有預設引數的模型。

該類必須實現靜態的 create() 方法，該方法不帶引數或所有引數都帶有預設值

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	訓練資料，可以透過 TrainData::loadFromCSV 從檔案載入，或使用 TrainData::create 建立。
flags (標誌)	可選的標誌，取決於模型。某些模型可以透過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 (樣本), 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 (樣本)	訓練樣本
layout	請參閱 ml::SampleTypes。
responses	與訓練樣本相關的響應向量。

---

該類的文件由以下檔案生成：

• opencv2/ml.hpp