我似乎无法正确传递参数来从python中训练opencv中的随机森林分类器.
我在C中编写了一个正常工作的实现,但在python中得不到相同的结果.
我在这里找到了一些示例代码:http://fossies.org/linux/misc/opencv-2.4.7.tar.gz:a/opencv-2.4.7/samples/python2/letter_recog.py
这似乎表明你应该传入dict中的参数.这是我正在使用的代码:
rtree_params = dict(max_depth=11,min_sample_count=5,use_surrogates=False,max_categories=15,calc_var_importance=False,n_active_vars=0,max_num_of_trees_in_the_forest=1000,termcrit_type=cv2.TERM_CRITERIA_MAX_ITER)
classifier = cv2.RTrees()
classifier.train(train_data,cv2.CV_ROW_SAMPLE,label_data,params=rtree_params);
我可以说分类器正在接受正确的训练,但它并不像我在C中使用相同参数训练的那样准确.我相当肯定参数已被确认,因为当我调整值时,我会得到不同的结果.
我注意到当我将分类器输出到文件时,它只有一棵树.我很确定这是问题所在.我看了一下openCV实现:
http://www.code.opencv.org/svn/gsoc2012/denoising/trunk/opencv-2.4.2/modules/ml/src/rtrees.cpp
根据我的参数,它应该输出一个有1000棵树的森林.我尝试将max_num_of_trees_in_the_forest参数设置为各种疯狂值,并且它没有改变OpenCV的行为.
思考?
最佳答案
不确定这是否会有所帮助,但我相信:
n_active_vars=0
应该
nactive_vars=0
此外,您可能希望尝试使用term_crit参数进行试验.
例如,尝试添加:
term_crit=(cv2.TERM_CRITERIA_MAX_ITER,1000,1)
进入你的字典.
我相信这将设置在1000棵树添加到森林中时终止的标准.
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。