Opencv学习笔记 - 使用opencvsharp和决策树进行训练和预测
2023-09-14 09:01:35 时间
一、决策树
决策树是最早的机器学习算法之一,起源于对人类某些决策过程的模仿,属于监督学习算法。决策树的优点是易于理解,有些决策树既可以做分类,也可以做回归。在排名前十的数据挖掘算法中有两种是决策树[1]。决策树有许多不同版本,典型版本是最早出现的ID3算法,以及对其改进后形成的C4.5算法,这两种算法可用于分类。对ID3算法改进的另一个分支为“分类和回归树”(Classification AndRegression Trees,CART)算法,可用于分类或回归。CART算法为随机森林和Boosting等重要算法提供了基础。在OpenCV中,决策树实现的是CART算法。
1、决策树的核心问题
在决策树中,通常将样本向量中的特征称为样本的属性,下文将使用“属性”这一习惯性称呼。决策树通过把样本从根节点排列到某个叶子节点对样本进行分类。根节点是树第一次切分的位置,叶子节点即为样本所属的分类标签。树上的每一个节点都表示了对样本的某个属性的测试,并且该节点的每一个后继分支对应于该属性的一个可能值。分类样本的方法是从这棵树的根节点开始,测试这个节点指定的属性,然后按照给定样本的该属性值对应的树枝向下移动。这一过程在以新节点为根的子树上重复[2]。
决策树的核心问题是:自顶向下的各个节点应选择何种属性进行切分,才能获得最好的分类器?因此,选择最佳切分属性是决策树的关键所在。
2、最佳切分属性的选择
(1)信息熵
(2)信息增益
(3)信息增益率
(4)基尼系数
(5)均方误差
相关文章
- 干货 | OpenCV获取不规则区域的最大内切圆(附Python / C++ 源码)
- ubuntu 配置 OpenCV 和 OpenCV_contrib
- OpenCV里IplImage的widthStep参数
- 完成OpenCV分类器训练的最简单方法
- OpenCV-Python学习(14)—— OpenCV 绘制箭头线(cv.arrowedLine)
- C++版OpenCV使用支持向量机svm进行mnist手写数字识别
- pycharm配置OpenCV_pycharm opencv安装
- Opencv 图像处理:数字图像的必会知识
- imread怎么读取图片_opencv读不到图片
- gis如何无缝拼接两张图_opencv图像拼接
- python深度学习库系列教程——python调用opencv库教程
- ubuntu配置opencv环境_opencv的安装与配置详细教程
- 【OpenCV】中copyto()函数的使用方法理解
- 【1】windows下安装OpenCV(4.3)+VS2017安装+opencv_contrib4.3.0配置
- opencv(4.5.3)-python(二十八)--模板匹配
- C++ 下 Halcon 与 OpenCV 图像的转换