cv::ml::KNearest クラス

K近傍法 (K-Nearest Neighbors) モデルを実装するクラス。 続き...

#include <opencv2/ml.hpp>

Collaboration diagram for cv::ml::KNearest:

公開型
enum	Types {   BRUTE_FORCE =1 ,   KDTREE =2 }
	KNearestアルゴリズムの実装。 続き...
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 float	findNearest (InputArray samples, int k, OutputArray results, OutputArray neighborResponses=noArray(), OutputArray dist=noArray()) const =0
	入力ベクトルに対して近傍を見つけ、応答を予測する。
virtual int	getAlgorithmType () const =0
virtual int	getDefaultK () const =0
virtual int	getEmax () const =0
virtual bool	getIsClassifier () const =0
virtual void	setAlgorithmType (int val)=0
virtual void	setDefaultK (int val)=0
virtual void	setEmax (int val)=0
virtual void	setIsClassifier (bool 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 float	predict (InputArray samples, OutputArray results=noArray(), int flags=0) const =0
	指定されたサンプルに対するレスポンスを予測する。
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< KNearest >	create ()
	空のモデルを生成する。
static Ptr< KNearest >	load (const String &filepath)
	シリアライズされたknearestをファイルから読み込んで作成する。
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

K近傍法 (K-Nearest Neighbors) モデルを実装するクラス。

参照

K-Nearest Neighbors

列挙型メンバ詳解

Types

enum cv::ml::KNearest::Types

KNearestアルゴリズムの実装。

列挙値
BRUTE_FORCE
KDTREE

メンバ関数詳解

create()

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

static

Python:
	cv.ml.KNearest.create(		) ->	retval
	cv.ml.KNearest_create(		) ->	retval

空のモデルを作成する。

この静的メソッドは空のKNearest分類器を作成する。その後、StatModel::trainメソッドを使って学習させる必要がある。

findNearest()

virtual float cv::ml::KNearest::findNearest ( InputArray samples, int k, OutputArray results, OutputArray neighborResponses = noArray(), OutputArray dist = noArray() ) const

pure virtual

Python:
	cv.ml.KNearest.findNearest(	samples, k[, results[, neighborResponses[, dist]]]	) ->	retval, results, neighborResponses, dist

入力ベクトルに対して近傍を見つけ、応答を予測する。

引数

samples	行ごとに格納された入力サンプル。<number_of_samples> * k サイズの単精度浮動小数点行列である。
k	使用する最近傍の数。1より大きくなければならない。
results	各入力サンプルに対する予測結果（回帰または分類）を格納するベクトル。<number_of_samples> 個の要素を持つ単精度浮動小数点ベクトルである。
neighborResponses	対応する近傍に対する省略可能な出力値。<number_of_samples> * k サイズの単精度浮動小数点行列である。
dist	入力ベクトルから対応する近傍までの省略可能な出力距離。<number_of_samples> * k サイズの単精度浮動小数点行列である。

各入力ベクトル（行列 samples の各行）に対して、このメソッドはk個の最近傍を見つける。回帰の場合、予測結果はその特定のベクトルの近傍の応答の平均値となる。分類の場合、クラスは多数決によって決定される。

各入力ベクトルについて、近傍はそのベクトルまでの距離でソートされる。

C++インターフェースの場合、空の行列への出力ポインタを使用でき、関数が自動的にメモリを割り当てる。

単一の入力ベクトルのみが渡された場合、すべての出力行列は省略可能であり、予測値はメソッドの戻り値として返される。

この関数は TBB ライブラリによって並列化されている。

この関数の呼び出しグラフ:

getAlgorithmType()

virtual int cv::ml::KNearest::getAlgorithmType ( ) const

pure virtual

Python:
	cv.ml.KNearest.getAlgorithmType(		) ->	retval

アルゴリズムの種類。KNearest::Typesのいずれか。

参照

setAlgorithmType

getDefaultK()

virtual int cv::ml::KNearest::getDefaultK ( ) const

pure virtual

Python:
	cv.ml.KNearest.getDefaultK(		) ->	retval

predict メソッドで使用する近傍数のデフォルト値。

参照

setDefaultK

getEmax()

virtual int cv::ml::KNearest::getEmax ( ) const

pure virtual

Python:
	cv.ml.KNearest.getEmax(		) ->	retval

KDTree実装のための引数。

参照

setEmax

getIsClassifier()

virtual bool cv::ml::KNearest::getIsClassifier ( ) const

pure virtual

Python:
	cv.ml.KNearest.getIsClassifier(		) ->	retval

分類モデルと回帰モデルのどちらを学習させるか。

参照

setIsClassifier

load()

static Ptr< KNearest > cv::ml::KNearest::load ( const String & filepath )

static

Python:
	cv.ml.KNearest.load(	filepath	) ->	retval
	cv.ml.KNearest_load(	filepath	) ->	retval

シリアライズされたknearestをファイルから読み込んで作成する。

KNearestをシリアライズしてディスクに保存するにはKNearest::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、ファイルからKNearestを再度読み込む。

引数

filepath

シリアライズされたKNearestへのパス

setAlgorithmType()

virtual void cv::ml::KNearest::setAlgorithmType ( int val )

pure virtual

Python:
	cv.ml.KNearest.setAlgorithmType(	val	) ->	None

参照

getAlgorithmType

setDefaultK()

virtual void cv::ml::KNearest::setDefaultK ( int val )

pure virtual

Python:
	cv.ml.KNearest.setDefaultK(	val	) ->	None

参照

getDefaultK

setEmax()

virtual void cv::ml::KNearest::setEmax ( int val )

pure virtual

Python:
	cv.ml.KNearest.setEmax(	val	) ->	None

参照

getEmax

setIsClassifier()

virtual void cv::ml::KNearest::setIsClassifier ( bool val )

pure virtual

Python:
	cv.ml.KNearest.setIsClassifier(	val	) ->	None

参照

getIsClassifier

---

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