OpenCV碼源筆記——RandomTrees (一)

標籤：

OpenCV2.3中Random Trees（R.T.）的繼承結構：

API：

 

CvRTParams	定義R.T.訓練用參數，CvDTreeParams的擴充子類，但並不用到CvDTreeParams（單一決策樹）所需的所有參數。比如說，R.T.通常不需要剪枝，因此剪枝參數就不被用到。 max_depth  單棵樹所可能達到的最大深度 min_sample_count  樹節點持續分裂的最小樣本數量，也就是說，小於這個數節點就不持續分裂，變成葉子了 regression_accuracy  迴歸樹的終止條件，如果所有節點的精度都達到要求就停止 use_surrogates  是否使用代理分裂。通常都是false，在有缺損資料或計算變數重要性的場合為true，比如，變數是色彩，而圖片中有一部分地區因為光照是全黑的 max_categories  將所有可能取值聚類到有限類，以保證計算速度。樹會以次優分裂（suboptimal split）的形式生長。只對2種取值以上的樹有意義 priors  優先順序設定，設定某些你尤其關心的類或值，使訓練過程更關注它們的分類或迴歸精度。通常不設定 calc_var_importance  設定是否需要擷取變數的重要值，一般設定true nactive_vars  樹的每個節點隨機播放變數的數量，根據這些變數尋找最佳分裂。如果設定0值，則自動取變數總和的平方根 max_num_of_trees_in_the_forest  R.T.中可能存在的樹的最大數量 forest_accuracy  準確率（作為終止條件） termcrit_type  終止條件設定   -- CV_TERMCRIT_ITER  以樹的數目為終止條件，max_num_of_trees_in_the_forest生效   -- CV_TERMCRIT_EPS  以準確率為終止條件，forest_accuracy生效   -- CV_TERMCRIT_ITER | CV_TERMCRIT_EPS  兩者同時作為終止條件
CvRTrees::train	訓練R.T. return bool  訓練是否成功 train_data  訓練資料：樣本（一個樣本由固定數量的多個變數定義），以Mat的形式儲存，以列或行排列，必須是CV_32FC1格式 tflag  trainData的排列結構   -- CV_ROW_SAMPLE  行排列   -- CV_COL_SAMPLE  列排列 responses  訓練資料：樣本的值（輸出），以一維Mat的形式儲存，對應trainData，必須是CV_32FC1或CV_32SC1格式。對於分類問題，responses是類標籤；對於迴歸問題，responses是需要逼近的函數取值 var_idx  定義感興趣的變數，變數中的某些，傳null表示全部 sample_idx  定義感興趣的樣本，樣本中的某些，傳null表示全部 var_type  定義responses的類型   -- CV_VAR_CATEGORICAL 分類標籤   -- CV_VAR_ORDERED（CV_VAR_NUMERICAL）數值，用於迴歸問題 missing_mask  定義缺失資料，和train_data一樣大的8位Mat params  CvRTParams定義的訓練參數
CvRTrees::train	訓練R.T.（簡短版的train函數） return bool  訓練是否成功 data  訓練資料：CvMLData格式，可從外部.csv格式的檔案讀入，內部以Mat形式儲存，也是類似的value / responses / missing mask。 params CvRTParams定義的訓練參數
CvRTrees:predict	對一組輸入樣本進行預測（分類或迴歸） return double  預測結果 sample  輸入樣本，格式同CvRTrees::train的train_data missing_mask  定義缺失資料

 

Example：

1. #include <cv.h>
2. #include <stdio.h>
3. #include <highgui.h>
4. #include <ml.h>
5. #include <map>
6.  
7. void print_result(floattrain_err,floattest_err,
8.                   constCvMat*_var_imp)
9. {
10.     printf( "train error    %f\n", train_err );
11.     printf( "test error    %f\n\n",test_err );
12.  
13.     if (_var_imp)
14.     {
15.         cv::Matvar_imp(_var_imp),sorted_idx;
16.         cv::sortIdx(var_imp,sorted_idx,CV_SORT_EVERY_ROW +
17.             CV_SORT_DESCENDING);
18.  
19.         printf( "variable importance:\n" );
20.         int i, n = (int)var_imp.total();
21.         int type =var_imp.type();
22.         CV_Assert(type ==CV_32F ||type ==CV_64F);
23.  
24.         for( i = 0; i < n; i++)
25.         {
26.             intk =sorted_idx.at<int>(i);
27.             printf( "%d\t%f\n", k, type == CV_32F ?
28.                 var_imp.at<float>(k) :
29.                 var_imp.at<double>(k));
30.         }
31.     }
32.     printf("\n");
33. }
34.  
35. int main()
36. {
37.     const char*filename ="data.xml";
38.     int response_idx = 0;
39.  
40.     CvMLData data;
41.     data.read_csv(filename );// read data
42.     data.set_response_idx(response_idx );// set response index
43.     data.change_var_type(response_idx,
44.         CV_VAR_CATEGORICAL );// set response type
45.     // split train and test data
46.     CvTrainTestSplitspl( 0.5f );
47.     data.set_train_test_split( &spl );
48.     data.set_miss_ch("?");// set missing value
49.  
50.     CvRTrees rtrees;
51.     rtrees.train( &data,CvRTParams( 10, 2, 0,false,
52.         16, 0, true, 0, 100, 0,CV_TERMCRIT_ITER ));
53.     print_result( rtrees.calc_error( &data,CV_TRAIN_ERROR),
54.         rtrees.calc_error( &data,CV_TEST_ERROR ),
55.         rtrees.get_var_importance() );
56.  
57.     return 0;
58. }

 

 

References：
[1] OpenCV 2.3 Online Documentation: http://opencv.itseez.com/modules/ml/doc/random_trees.html
[2] Random Forests, Leo Breiman and Adele Cutler: http://www.stat.berkeley.edu/users/breiman/RandomForests/cc_home.htm
[3] T. Hastie, R. Tibshirani, J. H. Friedman. The Elements of Statistical Learning. ISBN-13 978-0387952840, 2003, Springer.

 

 

轉自：http://lincccc.blogbus.com/logs/157846624.html

 

from: http://blog.csdn.net/yangtrees/article/details/7488727

OpenCV碼源筆記——RandomTrees (一)