c++ - OpenCV - 随机森林示例

Question

有没有人使用带有 2.3.1 API Mat 而不是 cvMat 的随机森林的例子？

基本上，我有一个 Matrix Mat 数据，它由 1000 行和 16x16x3 个元素组成，一个 Matrix Mat 响应一个 1000x1 矩阵，该矩阵包含每行所属的类。我想对此运行随机森林算法。

Answer 1

您已经获得了正确格式的数据；剩下的就是实例化一个 CvRTrees 对象并执行您的预测。

可以找到随机树 v2.3 的文档 here .您还需要查看 CvStatModel::train()文档，实际上有 CvRTree::train 的大部分参数的描述。 Tom 在您应该使用的评论中引用了一个很好的完整示例。

除了您的数据，您还需要一个 Mat 来指定每个属性的类型。这个 Mat 每个输入属性有一行，输出类型有另外一行(在你的情况下是 16x16x3 + 1 行)。

您可以选择使用 CvRTParams 对象来指定参数，如树的数量、最大深度等。我在下面的示例中使用默认值。

如果您愿意，您可以传入 valIdx 和 sampleIdx Mats，它们分别指定哪些属性和哪些数据行用于训练。这对于选择训练/验证数据很有用，而无需做一堆体操来将它们放在单独的 Mats 中。

这是一个简单的例子:

#define ATTRIBUTES_PER_SAMPLE (16*16*3)
// Assumes training data (1000, 16x16x3) are in training_data
// Assumes training classifications (1000, 1) are in training_classifications

// All inputs are numerical. You can change this to reflect your data
Mat var_type = Mat(ATTRIBUTES_PER_SAMPLE + 1, 1, CV_8U );
var_type.setTo(Scalar(CV_VAR_NUMERICAL) ); // all inputs are numerical

// Output is a category; this is classification, not regression
var_type.at<uchar>(ATTRIBUTES_PER_SAMPLE, 0) = CV_VAR_CATEGORICAL;

// Train the classifier
CvRTrees* rtree = new CvRTrees;
rtree->train(training_data, CV_ROW_SAMPLE, training_classifications,
             Mat(), Mat(), var_type);