ml_EM_trainE

[32/64bit] サンプルセットからガウス混合パラメータを推定します。

ml_EM_trainE p1,p2,p3,p4,p5,p6,p7,p8,p9

p1 = sptr : IntPtr model
p2 = sptr : IntPtr samples
p3 = sptr : IntPtr means0
p4 = sptr : IntPtr covs0
p5 = sptr : IntPtr weights0
p6 = sptr : IntPtr logLikelihoods
p7 = sptr : IntPtr labels
p8 = sptr : IntPtr probs
p9 = var : out int returnValue

(プラグイン / モジュール : OpenCvSharpExtern.dll)

解説

このバリエーションは，Expectationステップから始まります．多くのMLモデルとは異なり，EMは教師なし学習アルゴリズムであり，入力として応答（クラスラベルや関数値）を受け取りません．多くのMLモデルとは異なり，EMは教師なし学習アルゴリズムであり，入力としてレスポンス（クラスラベルや関数値）を受け取りません．代わりに，入力サンプルセットからガウス混合パラメータの最尤推定値を計算し，すべてのパラメータを構造体の内部に格納します．\そして、オプションとして、各サンプルの「クラスラベル」を計算して出力します。\クラスラベルを計算します。(訓練されたモデルは，他の分類器と同様に，予測のためにさらに使用することができます．学習されたモデルは，NormalBayesClassifierと同様です．

元関数名(C#): ml_EM_trainE
元DLLエクスポート名: ml_EM_trainE
参照元CSファイル: Internal\PInvoke\NativeMethods\ml\NativeMethods_ml_EM.cs
▼ C言語側関数定義

CVAPI(ExceptionStatus) ml_EM_trainEM(
    cv::ml::EM *obj,
    cv::_InputArray *samples,
    cv::_OutputArray *logLikelihoods,
    cv::_OutputArray *labels,
    cv::_OutputArray *probs, 
    int *returnValue)
{
    BEGIN_WRAP
    const auto ret = obj->trainEM(*samples, entity(logLikelihoods), entity(labels), entity(probs));
    *returnValue = ret ? 1 : 0;
    END_WRAP
}

情報