1

我用opencv做随机森林，我已经成功地建立了森林。但是我需要使用 predict_prob 来知道样本属于第二类的确切机会。我现在它是如何工作的，但是有一个错误说我的森林不是二元分类，我不能使用 predict_prob。如何使我的森林二进制文件？我尝试了很多方法并到处搜索，但没有找到任何线索。

这是我的代码

CvMat* data = 0;  
CvMat* responses = 0;  
CvMat* var_type = 0;  

//I skipped some lines

data=cvCreateMat(row_s,1024,CV_32FC1);
responses=cvCreateMat(row_s,1,CV_32FC1);

//load data and responses, responses consist of only 1 and 0

var_type = cvCreateMat( data->cols + 1, 1, CV_8U );  
cvSet( var_type, cvScalarAll(CV_VAR_ORDERED) );  
cvSetReal1D( var_type, data->cols, CV_VAR_CATEGORICAL ); 

CvRTrees forest;
forest.train(data,  CV_ROW_SAMPLE, responses, 0, 0, var_type, 0, 
CvRTParams( 5, 20, 0, false, 2, 0, false, 100, 10, 0, CV_TERMCRIT_ITER ));

在此之后，我可以正确使用 predict() 但我不能使用 predict_prob()

4

1 回答 1

0

你用的是哪个版本的opencv？我对 2.4.3 版做同样的事情。我看到我们所做的唯一主要区别是我使用的是 c++ 风格的代码。这是我的代码，这对我有用。

void train(){
    cv::Mat types(numberOfClassifierDimensions + 1, 1, CV_8UC1);
    types.setTo(cv::Scalar(CV_VAR_NUMERICAL));
    types.at<char>(numberOfClassifierDimensions, 0) = CV_VAR_CATEGORICAL;

    cv::Mat dataset(0, numberOfClassifierDimensions, CV_32FC1);
    cv::Mat classes(0, 1, CV_8UC1);
    for (int i = 0 ; i < featureWeightsPositive.rows ; ++i){
        dataset.push_back(featureWeightsPositive.row(i));
        classes.push_back(1);
    }
    for (int i = 0 ; i < featureWeightsNegative.rows; ++i){
        dataset.push_back(featureWeightsNegative.row(i));
        classes.push_back(0);
    }

    classifier.train(dataset, classes, types);
}

//the classifier.train() function
void train(cv::Mat trainingData, cv::Mat classifications, cv::Mat varType){

    std::vector<float> priorsVect(numberOfClasses, 1);
    float* priors = &priorsVect[0];


        // define the parameters for training the random forest (trees)
        CvRTParams params = CvRTParams(25, 5, 0, false, 15, priors, false, 4, 100, 0.01f, CV_TERMCRIT_ITER | CV_TERMCRIT_EPS );

        // train random forest classifier (using training data)
        rtree->train(trainingData, CV_ROW_SAMPLE, classifications,
                     cv::Mat(), cv::Mat(), varType, cv::Mat(), params);

}

在这个初始化之后，我可以调用：

rtree->predict_prob(sample);

希望这可以帮助你

于 2013-03-11T10:22:17.930 回答