OpenCV随机森林

模型参数设置

• 创建随机森林模型。

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

• 设置特征（属性）子集的大小
  设置每棵树节点上随机选择的特征子集的大小，这些子集可用于寻找最佳切分。如果将其设置为0，则大小将设置为特征总数的平方根，其默认值为0；这一参数是随机森林的唯一关键参数。

virtual void cv::ml::RTrees::setActiveVarCount(int val)

• 指定训练算法何时停止的终止条件
  当训练了指定数量的树并将其添加到集合中，或者达到了足够的精度(以OOB误差测量)。通常情况下，你拥有的树越多，准确率就越高。然而，精度的提高通常会减少，渐近线经过一定数量的树。还要记住的是，树的数量会线性地增加预测时间。默认值是TermCriteria(TermCriteria::MAX_ITERS + TermCriteria::EPS, 50, 0.1)。

virtual void cv::ml::RTrees::setTermCriteria(const TermCriteria& val)cv::TermCriteria::TermCriteria(int type, int maxCount, double epsilon)	
type		//!< 终止条件的类型，TermCriteria:: type之一
maxCount	//!< 要计算的迭代或元素的最大数目。
epsilon		//!< 迭代算法停止时所需的参数的精度或变化。class CV_EXPORTS TermCriteria
{
public:enum Type{COUNT=1, 		//!< 要计算的迭代或元素的最大数目MAX_ITER=COUNT, //!< 同上EPS=2 			//!< 迭代算法停止时所需的精度或参数变化};
}

• 训练统计模型-1

virtual bool train( const Ptr<TrainData>& trainData, int flags=0 )//!< 参数
//!< trainData	 可以使用TrainData::loadFromCSV从文件加载或使用TrainData::create创建的训练数据。	
//!< flags		 可选标志，取决于模型。一些模型可以用新的训练样本更新，而不是完全覆盖。

• 训练统计模型-2

virtual bool train( InputArray samples, int layout, InputArray responses )参数
samples		//!< 训练样本
layout		//!< ROW_SAMPLE or COL_SAMPLE 
responses	//!< 与训练样本相关的响应向量

• 预测

virtual float predict( InputArray samples, OutputArray results=noArray(), int flags=0 )

• 从文件中加载并创建一个序列化的RTree。

static Ptr<RTrees> cv::ml::RTrees::load(const String& filepath, const String& nodeName = String())//!< 参数
//!< filepath 		序列化RTree的文件路径
//!< nodename		包含分类器的节点名称

模型参数可视化

• 在每个树节点上随机选择的特征子集的大小。

virtual int cv::ml::RTrees::getActiveVarCount() const

• 获得计算变量的重要性，然后它可以通过RTrees::getVarImportance检索。默认值为false。

virtual bool cv::ml::RTrees::getCalculateVarImportance() const

• 返回在训练阶段calcOOBError设置为true时计算的OOB误差值。
  如果该标志被设置为false，则返回0。OOB误差也通过样本加权进行缩放。

virtual double cv::ml::RTrees::getOOBError() const

• 指定训练算法何时停止的终止条件。

virtual TermCriteria cv::ml::RTrees::getTermCriteria() const

• 返回变量重要性数组。
  该方法返回变量重要性向量，该向量是在CalculateVarImportance设置为true时在训练阶段计算的。如果该标志被设置为false，则返回空矩阵。

virtual Mat cv::ml::RTrees::getVarImportance() const

• 返回森林中每棵树的结果。
  如果模型是一个回归问题，该方法将返回每个样本案例的每个树的结果。如果模型是一个分类器，它将返回一个带有samples + 1行的Mat，其中第一行给出类号，接下来的行返回每个类对每个样本的投票。

virtual void cv::ml::RTrees::getVotes(InputArray samples, OutputArray results, int flags) const//!< 参数
//!< samples		数组，包含选票将被计算的样本。
//!< results		数组，计算结果将写入其中。
//!< flags			定义rtree类型的标志。