cv::ml::LogisticRegression クラス

ロジスティック回帰分類器を実装する。詳細...

#include <opencv2/ml.hpp>

Collaboration diagram for cv::ml::LogisticRegression:

公開型
enum	Methods {   BATCH = 0 ,   MINI_BATCH = 1 }
	学習手法。詳細...
enum	RegKinds {   REG_DISABLE = -1 ,   REG_L1 = 0 ,   REG_L2 = 1 }
	正則化の種類。詳細...
Public Types inherited from cv::ml::StatModel
enum	Flags {   UPDATE_MODEL = 1 ,   RAW_OUTPUT =1 ,   COMPRESSED_INPUT =2 ,   PREPROCESSED_INPUT =4 }

公開メンバ関数
virtual Mat	get_learnt_thetas () const =0
	この関数は行方向に並べられた学習済み引数を返す。
virtual int	getIterations () const =0
virtual double	getLearningRate () const =0
virtual int	getMiniBatchSize () const =0
virtual int	getRegularization () const =0
virtual TermCriteria	getTermCriteria () const =0
virtual int	getTrainMethod () const =0
virtual float	predict (InputArray samples, OutputArray results=noArray(), int flags=0) const CV_OVERRIDE=0
	入力サンプルに対する応答を予測し、float型を返す。
virtual void	setIterations (int val)=0
virtual void	setLearningRate (double val)=0
virtual void	setMiniBatchSize (int val)=0
virtual void	setRegularization (int val)=0
virtual void	setTermCriteria (TermCriteria val)=0
virtual void	setTrainMethod (int val)=0
Public Member Functions inherited from cv::ml::StatModel
virtual float	calcError (const Ptr< TrainData > &data, bool test, OutputArray resp) const
	学習用またはテスト用データセットに対する誤差を計算する。
virtual bool	empty () const CV_OVERRIDE
	Algorithm が空の場合（たとえば開始直後や読み込みに失敗した後）に true を返す。
virtual int	getVarCount () const =0
	学習サンプル内の変数の数を返す。
virtual bool	isClassifier () const =0
	モデルが分類器であれば true を返す。
virtual bool	isTrained () const =0
	モデルが学習済みであれば true を返す。
virtual bool	train (const Ptr< TrainData > &trainData, int flags=0)
	統計モデルを学習する。
virtual bool	train (InputArray samples, int layout, InputArray responses)
	統計モデルを学習する。
Public Member Functions inherited from cv::Algorithm
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	アルゴリズムの状態をクリアする。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	ファイルストレージからアルゴリズムの引数を読み込む。
virtual void	save (const String &filename) const
virtual void	write (FileStorage &fs) const
	アルゴリズムの引数をファイルストレージに保存する。
void	write (FileStorage &fs, const String &name) const

静的公開メンバ関数
static Ptr< LogisticRegression >	create ()
	空のモデルを作成する。
static Ptr< LogisticRegression >	load (const String &filepath, const String &nodeName=String())
	ファイルからシリアライズされた LogisticRegression を読み込んで生成する。
Static Public Member Functions inherited from cv::ml::StatModel
template<typename _Tp >
static Ptr< _Tp >	train (const Ptr< TrainData > &data, int flags=0)
	デフォルト引数でモデルを生成して学習する。
Static Public Member Functions inherited from cv::Algorithm
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	ファイルからアルゴリズムを読み込む。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	文字列からアルゴリズムを読み込む。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	ファイルノードからアルゴリズムを読み込む。

Additional Inherited Members
Protected Member Functions inherited from cv::Algorithm
void	writeFormat (FileStorage &fs) const

詳細説明

ロジスティック回帰分類器を実装する。

参照

Logistic Regression

列挙型メンバ詳解

Methods

enum cv::ml::LogisticRegression::Methods

学習手法。

列挙値
BATCH
MINI_BATCH	このメソッドを使用する場合は MiniBatchSize を正の整数に設定する。

RegKinds

enum cv::ml::LogisticRegression::RegKinds

正則化の種類。

列挙値
REG_DISABLE	正則化なし。
REG_L1	L1ノルム
REG_L2	L2ノルム

メンバ関数詳解

create()

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

static

Python:
	cv.ml.LogisticRegression.create(		) ->	retval
	cv.ml.LogisticRegression_create(		) ->	retval

空のモデルを作成する。

指定した引数でロジスティック回帰モデルを生成する。

get_learnt_thetas()

virtual Mat cv::ml::LogisticRegression::get_learnt_thetas ( ) const

pure virtual

Python:
	cv.ml.LogisticRegression.get_learnt_thetas(		) ->	retval

この関数は行方向に並べられた学習済み引数を返す。

2クラス分類問題の場合、行行列を返す。ロジスティック回帰の学習済み引数を型CV_32Fの行列として返す。

getIterations()

virtual int cv::ml::LogisticRegression::getIterations ( ) const

pure virtual

Python:
	cv.ml.LogisticRegression.getIterations(		) ->	retval

反復回数。

参照

setIterations

getLearningRate()

virtual double cv::ml::LogisticRegression::getLearningRate ( ) const

pure virtual

Python:
	cv.ml.LogisticRegression.getLearningRate(		) ->	retval

学習率。

参照

setLearningRate

getMiniBatchSize()

virtual int cv::ml::LogisticRegression::getMiniBatchSize ( ) const

pure virtual

Python:
	cv.ml.LogisticRegression.getMiniBatchSize(		) ->	retval

ミニバッチ勾配降下法の各ステップで使用する学習サンプル数を指定する。LogisticRegression::MINI_BATCH 学習アルゴリズムを使用する場合にのみ使われる。学習サンプルの総数より小さい値を取る必要がある。

参照

setMiniBatchSize

getRegularization()

virtual int cv::ml::LogisticRegression::getRegularization ( ) const

pure virtual

Python:
	cv.ml.LogisticRegression.getRegularization(		) ->	retval

適用する正則化の種類。LogisticRegression::RegKinds を参照。

参照

setRegularization

getTermCriteria()

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

pure virtual

Python:
	cv.ml.LogisticRegression.getTermCriteria(		) ->	retval

アルゴリズムの終了条件。

参照

setTermCriteria

getTrainMethod()

virtual int cv::ml::LogisticRegression::getTrainMethod ( ) const

pure virtual

Python:
	cv.ml.LogisticRegression.getTrainMethod(		) ->	retval

使用する学習手法の種類。LogisticRegression::Methods を参照。

参照

setTrainMethod

load()

static Ptr< LogisticRegression > cv::ml::LogisticRegression::load ( const String & filepath, const String & nodeName = String() )

static

Python:
	cv.ml.LogisticRegression.load(	filepath[, nodeName]	) ->	retval
	cv.ml.LogisticRegression_load(	filepath[, nodeName]	) ->	retval

ファイルからシリアライズされた LogisticRegression を読み込んで生成する。

LogisticRegression をシリアライズしてディスクに保存するには LogisticRegression::save を使用する。このファイルへのパスを指定してこの関数を呼び出すことで、LogisticRegression をこのファイルから再び読み込む。分類器を含むファイルのノードを必要に応じて指定する。

引数

filepath	シリアライズされた LogisticRegression へのパス
nodeName	分類器を含むノードの名前

predict()

virtual float cv::ml::LogisticRegression::predict ( InputArray samples, OutputArray results = noArray(), int flags = 0 ) const

pure virtual

Python:
	cv.ml.LogisticRegression.predict(	samples[, results[, flags]]	) ->	retval, results

入力サンプルに対する応答を予測し、float型を返す。

引数

samples	予測アルゴリズムの入力データ。行列 [m x n] で、各行は分類される1つのオブジェクトの変数（特徴）を含む。データ型はCV_32Fである必要がある。
results	型CV_32Sの列行列としての予測ラベル。
flags	使用されない。

cv::ml::StatModel を実装する。

この関数の呼び出しグラフ:

setIterations()

virtual void cv::ml::LogisticRegression::setIterations ( int val )

pure virtual

Python:
	cv.ml.LogisticRegression.setIterations(	val	) ->	None

参照

getIterations

setLearningRate()

virtual void cv::ml::LogisticRegression::setLearningRate ( double val )

pure virtual

Python:
	cv.ml.LogisticRegression.setLearningRate(	val	) ->	None

参照

getLearningRate

setMiniBatchSize()

virtual void cv::ml::LogisticRegression::setMiniBatchSize ( int val )

pure virtual

Python:
	cv.ml.LogisticRegression.setMiniBatchSize(	val	) ->	None

参照

getMiniBatchSize

setRegularization()

virtual void cv::ml::LogisticRegression::setRegularization ( int val )

pure virtual

Python:
	cv.ml.LogisticRegression.setRegularization(	val	) ->	None

参照

getRegularization

setTermCriteria()

virtual void cv::ml::LogisticRegression::setTermCriteria ( TermCriteria val )

pure virtual

Python:
	cv.ml.LogisticRegression.setTermCriteria(	val	) ->	None

参照

getTermCriteria

setTrainMethod()

virtual void cv::ml::LogisticRegression::setTrainMethod ( int val )

pure virtual

Python:
	cv.ml.LogisticRegression.setTrainMethod(	val	) ->	None

参照

getTrainMethod

---

このクラス詳解は次のファイルから抽出されました:

• opencv2/ml.hpp