封裝訓練資料的類。詳情...

#include <opencv2/ml.hpp>

cv::ml::TrainData 協作圖

公開成員函式
virtual	~TrainData ()

virtual int	getCatCount (int vi) const =0

virtual Mat	getCatMap () const =0

virtual Mat	getCatOfs () const =0

virtual Mat	getClassLabels () const =0
	返回類別標籤向量。

virtual Mat	getDefaultSubstValues () const =0

virtual int	getLayout () const =0

virtual Mat	getMissing () const =0

virtual int	getNAllVars () const =0

virtual void	getNames (std::vector< String > &names) const =0
	返回在 loadFromCSV() 中捕獲的符號名稱向量

virtual Mat	getNormCatResponses () const =0

virtual void	getNormCatValues (int vi, InputArray sidx, int *values) const =0

virtual int	getNSamples () const =0

virtual int	getNTestSamples () const =0

virtual int	getNTrainSamples () const =0

virtual int	getNVars () const =0

virtual Mat	getResponses () const =0

virtual int	getResponseType () const =0

virtual void	getSample (InputArray varIdx, int sidx, float *buf) const =0

virtual Mat	getSamples () const =0

virtual Mat	getSampleWeights () const =0

virtual Mat	getTestNormCatResponses () const =0

virtual Mat	getTestResponses () const =0

virtual Mat	getTestSampleIdx () const =0

virtual Mat	getTestSamples () const =0
	返回測試樣本矩陣。

virtual Mat	getTestSampleWeights () const =0

virtual Mat	getTrainNormCatResponses () const =0
	返回歸一化的類別響應向量。

virtual Mat	getTrainResponses () const =0
	返回響應向量。

virtual Mat	getTrainSampleIdx () const =0

virtual Mat	getTrainSamples (int layout=ROW_SAMPLE, bool compressSamples=true, bool compressVars=true) const =0
	返回訓練樣本矩陣。

virtual Mat	getTrainSampleWeights () const =0

virtual void	getValues (int vi, InputArray sidx, float *values) const =0

virtual Mat	getVarIdx () const =0

virtual Mat	getVarSymbolFlags () const =0

virtual Mat	getVarType () const =0

virtual void	setTrainTestSplit (int count, bool shuffle=true)=0
	將訓練資料分為訓練部分和測試部分。

virtual void	setTrainTestSplitRatio (double ratio, bool shuffle=true)=0
	將訓練資料分為訓練部分和測試部分。

virtual void	shuffleTrainTest ()=0

靜態公開成員函式
static Ptr< TrainData >	create (InputArray samples, int layout, InputArray responses, InputArray varIdx=noArray(), InputArray sampleIdx=noArray(), InputArray sampleWeights=noArray(), InputArray varType=noArray())
	從記憶體陣列建立訓練資料。

static Mat	getSubMatrix (const Mat &matrix, const Mat &idx, int layout)
	從矩陣中提取由傳遞的索引指定的行/列。

static Mat	getSubVector (const Mat &vec, const Mat &idx)
	從一維向量中提取由傳遞的索引指定的元素。

static Ptr< TrainData >	loadFromCSV (const String &filename, int headerLineCount, int responseStartIdx=-1, int responseEndIdx=-1, const String &varTypeSpec=String(), char delimiter=',', char missch='?')
	從 .csv 檔案中讀取資料集並返回可立即使用的訓練資料。

static float	missingValue ()

詳細說明

封裝訓練資料的類。

請注意，該類僅指定訓練資料的介面，但不指定實現。 ml 模組中的所有統計模型類都接受 Ptr<TrainData> 作為引數。換句話說，您可以建立自己的派生自 TrainData 的類，並將此類的例項的智慧指標傳遞給 StatModel::train。

另請參閱: 訓練資料

建構函式與解構函式說明

◆ ~TrainData()

virtual cv::ml::TrainData::~TrainData ( )

virtual

成員函式說明

◆ create()

static Ptr< TrainData > cv::ml::TrainData::create	(	InputArray	samples (樣本),
		int	layout,
		InputArray	responses,
		InputArray	varIdx = noArray(),
		InputArray	sampleIdx = noArray(),
		InputArray	sampleWeights = noArray(),
		InputArray	varType = noArray() )

static (靜態)

Python
	cv.ml.TrainData.create(	samples, layout, responses[, varIdx[, sampleIdx[, sampleWeights[, varType]]]]	) ->	retval
	cv.ml.TrainData_create(	samples, layout, responses[, varIdx[, sampleIdx[, sampleWeights[, varType]]]]	) ->	retval

從記憶體陣列建立訓練資料。

引數

samples (樣本)	樣本矩陣。它應該具有 CV_32F 型別。
layout	請參閱 ml::SampleTypes。
responses	響應矩陣。如果響應是標量，則它們應儲存為單行或單列。矩陣應具有 CV_32F 或 CV_32S 型別（在前一種情況下，響應預設被視為有序；在後一種情況下，被視為類別）
varIdx	指定用於訓練的變數的向量。它可以是包含 0 基變數索引的整數向量 (CV_32S) 或包含活動變數掩碼的位元組向量 (CV_8U)。
sampleIdx	指定用於訓練的樣本的向量。它可以是包含 0 基樣本索引的整數向量 (CV_32S) 或包含訓練樣本掩碼的位元組向量 (CV_8U)。
sampleWeights	每個樣本的權重可選向量。它應該具有 CV_32F 型別。
varType	型別為 CV_8U 且大小為 `<number_of_variables_in_samples> + <number_of_variables_in_responses>` 的可選向量，包含每個輸入和輸出變數的型別。請參閱 ml::VariableTypes。

此函式的呼叫圖

◆ getCatCount()

virtual int cv::ml::TrainData::getCatCount ( int vi ) const

純虛擬函式

Python
	cv.ml.TrainData.getCatCount(	vi	) ->	retval

◆ getCatMap()

virtual Mat cv::ml::TrainData::getCatMap ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getCatMap(		) ->	retval

◆ getCatOfs()

virtual Mat cv::ml::TrainData::getCatOfs ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getCatOfs(		) ->	retval

◆ getClassLabels()

virtual Mat cv::ml::TrainData::getClassLabels ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getClassLabels(		) ->	retval

返回類別標籤向量。

該函式返回響應中出現的唯一標籤向量。

◆ getDefaultSubstValues()

virtual Mat cv::ml::TrainData::getDefaultSubstValues ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getDefaultSubstValues(		) ->	retval

◆ getLayout()

virtual int cv::ml::TrainData::getLayout ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getLayout(		) ->	retval

◆ getMissing()

virtual Mat cv::ml::TrainData::getMissing ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getMissing(		) ->	retval

◆ getNAllVars()

virtual int cv::ml::TrainData::getNAllVars ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getNAllVars(		) ->	retval

◆ getNames()

virtual void cv::ml::TrainData::getNames ( std::vector< String > & names ) const

純虛擬函式

Python
	cv.ml.TrainData.getNames(	names	) ->	None

返回在 loadFromCSV() 中捕獲的符號名稱向量

◆ getNormCatResponses()

virtual Mat cv::ml::TrainData::getNormCatResponses ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getNormCatResponses(		) ->	retval

◆ getNormCatValues()

virtual void cv::ml::TrainData::getNormCatValues	(	int	vi,
		InputArray	sidx,
		int *	values ) const

純虛擬函式

◆ getNSamples()

virtual int cv::ml::TrainData::getNSamples ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getNSamples(		) ->	retval

◆ getNTestSamples()

virtual int cv::ml::TrainData::getNTestSamples ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getNTestSamples(		) ->	retval

◆ getNTrainSamples()

virtual int cv::ml::TrainData::getNTrainSamples ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getNTrainSamples(		) ->	retval

◆ getNVars()

virtual int cv::ml::TrainData::getNVars ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getNVars(		) ->	retval

◆ getResponses()

virtual Mat cv::ml::TrainData::getResponses ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getResponses(		) ->	retval

◆ getResponseType()

virtual int cv::ml::TrainData::getResponseType ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getResponseType(		) ->	retval

◆ getSample()

virtual void cv::ml::TrainData::getSample	(	InputArray	varIdx,
		int	sidx,
		float *	buf ) const

純虛擬函式

Python
	cv.ml.TrainData.getSample(	varIdx, sidx, buf	) ->	None

◆ getSamples()

virtual Mat cv::ml::TrainData::getSamples ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getSamples(		) ->	retval

◆ getSampleWeights()

virtual Mat cv::ml::TrainData::getSampleWeights ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getSampleWeights(		) ->	retval

◆ getSubMatrix()

static Mat cv::ml::TrainData::getSubMatrix	(	const Mat &	matrix,
		const Mat &	idx (索引),
		int	layout )

static (靜態)

Python
	cv.ml.TrainData.getSubMatrix(	matrix, idx, layout	) ->	retval
	cv.ml.TrainData_getSubMatrix(	matrix, idx, layout	) ->	retval

從矩陣中提取由傳遞的索引指定的行/列。

引數

matrix	輸入矩陣（支援的型別：CV_32S、CV_32F、CV_64F）
idx (索引)	一維索引向量
layout	指定提取行（cv::ml::ROW_SAMPLES）或提取列（cv::ml::COL_SAMPLES）

◆ getSubVector()

static Mat cv::ml::TrainData::getSubVector	(	const Mat &	vec,
		const Mat &	idx (索引) )

static (靜態)

Python
	cv.ml.TrainData.getSubVector(	vec, idx	) ->	retval
	cv.ml.TrainData_getSubVector(	vec, idx	) ->	retval

從一維向量中提取由傳遞的索引指定的元素。

引數

vec	輸入向量（支援的型別：CV_32S、CV_32F、CV_64F）
idx (索引)	一維索引向量

◆ getTestNormCatResponses()

virtual Mat cv::ml::TrainData::getTestNormCatResponses ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getTestNormCatResponses(		) ->	retval

◆ getTestResponses()

virtual Mat cv::ml::TrainData::getTestResponses ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getTestResponses(		) ->	retval

◆ getTestSampleIdx()

virtual Mat cv::ml::TrainData::getTestSampleIdx ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getTestSampleIdx(		) ->	retval

◆ getTestSamples()

virtual Mat cv::ml::TrainData::getTestSamples ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getTestSamples(		) ->	retval

返回測試樣本矩陣。

◆ getTestSampleWeights()

virtual Mat cv::ml::TrainData::getTestSampleWeights ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getTestSampleWeights(		) ->	retval

◆ getTrainNormCatResponses()

virtual Mat cv::ml::TrainData::getTrainNormCatResponses ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getTrainNormCatResponses(		) ->	retval

返回歸一化的類別響應向量。

該函式返回響應向量。每個響應都是從 0 到 <number of classes>-1 的整數。然後可以從類別標籤向量中檢索實際的標籤值，請參閱 TrainData::getClassLabels。

◆ getTrainResponses()

virtual Mat cv::ml::TrainData::getTrainResponses ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getTrainResponses(		) ->	retval

返回響應向量。

該函式返回有序或原始類別響應。通常用於迴歸演算法。

◆ getTrainSampleIdx()

virtual Mat cv::ml::TrainData::getTrainSampleIdx ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getTrainSampleIdx(		) ->	retval

◆ getTrainSamples()

virtual Mat cv::ml::TrainData::getTrainSamples	(	int	layout = ROW_SAMPLE,
		bool	compressSamples = true,
		bool	compressVars = true ) const

純虛擬函式

Python
	cv.ml.TrainData.getTrainSamples(	[, layout[, compressSamples[, compressVars]]]	) ->	retval

返回訓練樣本矩陣。

引數

layout	請求的佈局。如果它與初始佈局不同，則矩陣將被轉置。請參閱 ml::SampleTypes。
compressSamples	如果為 true，則函式僅返回訓練樣本（由 sampleIdx 指定）
compressVars	如果為 true，則函式返回較短的訓練樣本，僅包含活動變數。

在當前實現中，該函式嘗試避免物理資料複製並返回儲存在 TrainData 內部的矩陣（除非需要轉置或壓縮）。

◆ getTrainSampleWeights()

virtual Mat cv::ml::TrainData::getTrainSampleWeights ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getTrainSampleWeights(		) ->	retval

◆ getValues()

virtual void cv::ml::TrainData::getValues	(	int	vi,
		InputArray	sidx,
		float *	values ) const

純虛擬函式

Python
	cv.ml.TrainData.getValues(	vi, sidx, values	) ->	None

◆ getVarIdx()

virtual Mat cv::ml::TrainData::getVarIdx ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getVarIdx(		) ->	retval

◆ getVarSymbolFlags()

virtual Mat cv::ml::TrainData::getVarSymbolFlags ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getVarSymbolFlags(		) ->	retval

◆ getVarType()

virtual Mat cv::ml::TrainData::getVarType ( ) const

純虛擬函式

Python
	cv.ml.TrainData.getVarType(		) ->	retval

◆ loadFromCSV()

static Ptr< TrainData > cv::ml::TrainData::loadFromCSV	(	const String &	filename,
		int	headerLineCount,
		int	responseStartIdx = -1,
		int	responseEndIdx = -1,
		const String &	varTypeSpec = String(),
		char	delimiter = ',',
		char	missch = '?' )

static (靜態)

從 .csv 檔案中讀取資料集並返回可立即使用的訓練資料。

引數

filename	輸入檔名
headerLineCount	要跳過的開頭行數；除了標題行，函式還會跳過空行和以 `#` 開頭的行
responseStartIdx	第一個輸出變數的索引。如果為 -1，則函式將最後一個變數視為響應
responseEndIdx	最後一個輸出變數的索引 + 1。如果為 -1，則在 responseStartIdx 處只有一個響應變數。
varTypeSpec	可選的文字字串，用於指定變數型別。其格式為 `ord[n1-n2,n3,n4-n5,...]cat[n6,n7-n8,...]`。也就是說，從 `n1 到 n2`（包括範圍）、`n3`、`n4 到 n5` ... 的變數被認為是序數變數，而 `n6`、`n7 到 n8` ... 被認為是類別變數。範圍 `[n1..n2] + [n3] + [n4..n5] + ... + [n6] + [n7..n8]` 應涵蓋所有變數。如果未指定 varTypeSpec，則演算法使用以下規則：所有輸入變數預設被視為序數變數。如果某些列包含非數值，例如“apple”、“pear”、“apple”、“apple”、“mango”，則相應變數被視為類別變數。如果有多個輸出變數，則它們都被視為序數變數。如果使用非數值，則會報告 Error。如果只有一個輸出變數，則如果其值是非數值或全是整數，則它被視為類別變數。否則，它被視為序數變數。
delimiter	用於分隔每行中值的字元。
missch	用於指定缺失測量的字元。它不應該是一個數字。儘管它是一個非數值，但它肯定不會影響變數是序數還是類別的決定。

注意: 如果資料集僅包含輸入變數而沒有響應，請使用 responseStartIdx = -2 和 responseEndIdx = 0。輸出變數向量將僅包含零。

◆ missingValue()

static float cv::ml::TrainData::missingValue ( )

inlinestatic

◆ setTrainTestSplit()

virtual void cv::ml::TrainData::setTrainTestSplit	(	int	count,
		bool	shuffle = true )

純虛擬函式

Python
	cv.ml.TrainData.setTrainTestSplit(	count[, shuffle]	) ->	None

將訓練資料分為訓練部分和測試部分。

另請參閱: TrainData::setTrainTestSplitRatio

◆ setTrainTestSplitRatio()

virtual void cv::ml::TrainData::setTrainTestSplitRatio	(	double	ratio,
		bool	shuffle = true )

純虛擬函式

Python
	cv.ml.TrainData.setTrainTestSplitRatio(	ratio[, shuffle]	) ->	None

將訓練資料分為訓練部分和測試部分。

該函式選擇指定相對大小的子集，然後將其作為訓練集返回。如果未呼叫該函式，則所有資料都用於訓練。請注意，對於每個 TrainData::getTrain* 都有相應的 TrainData::getTest*，因此也可以檢索和處理測試子集。

另請參閱: TrainData::setTrainTestSplit

◆ shuffleTrainTest()

virtual void cv::ml::TrainData::shuffleTrainTest ( )

純虛擬函式

Python
	cv.ml.TrainData.shuffleTrainTest(		) ->	None

該類的文件由以下檔案生成：

opencv2/ml.hpp

公開成員函式

靜態公開成員函式

詳細說明

建構函式與解構函式說明

◆ ~TrainData()

成員函式說明

◆ create()

◆ getCatCount()

◆ getCatMap()

◆ getCatOfs()

◆ getClassLabels()

◆ getDefaultSubstValues()

◆ getLayout()

◆ getMissing()

◆ getNAllVars()

◆ getNames()

◆ getNormCatResponses()

◆ getNormCatValues()

◆ getNSamples()

◆ getNTestSamples()

◆ getNTrainSamples()

◆ getNVars()

◆ getResponses()

◆ getResponseType()

◆ getSample()

◆ getSamples()

◆ getSampleWeights()

◆ getSubMatrix()

◆ getSubVector()

◆ getTestNormCatResponses()

◆ getTestResponses()

◆ getTestSampleIdx()

◆ getTestSamples()

◆ getTestSampleWeights()

◆ getTrainNormCatResponses()

◆ getTrainResponses()

◆ getTrainSampleIdx()

◆ getTrainSamples()

◆ getTrainSampleWeights()

◆ getValues()

◆ getVarIdx()

◆ getVarSymbolFlags()

◆ getVarType()

◆ loadFromCSV()

◆ missingValue()

◆ setTrainTestSplit()

◆ setTrainTestSplitRatio()

◆ shuffleTrainTest()