OpenCV机器学习（10）训练数据的一个核心类cv::ml::TrainData

操作系统：ubuntu22.04 OpenCV版本：OpenCV4.9 IDE:Visual Studio Code 编程语言：C++11 算法描述

cv::ml::TrainData 类是 OpenCV 机器学习模块中用于表示训练数据的一个核心类。它封装了样本数据、响应（标签）、样本权重等信息，并提供了多种方法来创建和操作这些数据，以适应不同的机器学习算法需求。

主要功能 数据准备：允许你从原始数据创建训练数据对象。支持多种任务：无论是分类、回归还是其他类型的任务，都可以使用 TrainData 来组织你的数据。灵活的数据输入：支持直接从矩阵输入数据，也支持加载来自文件的数据。数据分割：可以将数据集分割为训练集和测试集。 常用成员函数 创建 TrainData 对象 static Ptr create(InputArray samples, int layout, InputArray responses, InputArray varIdx=noArray(), InputArray sampleIdx=noArray(), InputArray sampleWeights=noArray(), InputArray varType=noArray())： 从给定的样本、响应和其他可选参数创建一个 TrainData 对象。 samples：样本数据矩阵，每一行代表一个样本。layout：样本布局，可以是 ROW_SAMPLE 或 COL_SAMPLE，表示每个样本是按行还是按列存储。responses：每个样本对应的响应向量或矩阵。 获取数据信息 int getNTrainSamples() const：获取训练样本的数量。int getNVars() const：获取变量（特征）的数量。Mat getSamples() const：返回所有样本。Mat getResponses() const：返回所有响应。Mat getSampleWeights() const：返回样本权重。Mat getTrainSampleWeights() const：返回训练集的样本权重。 数据分割 void setTrainTestSplit(int count, bool shuffle=true)：根据指定的训练样本数量将数据集划分为训练集和测试集。void setTrainTestSplitRatio(double ratio, bool shuffle=true)：根据比例将数据集划分为训练集和测试集。Mat getTrainSamples() const：返回训练集的样本。Mat getTrainResponses() const：返回训练集的响应。Mat getTestSamples() const：返回测试集的样本。Mat getTestResponses() const：返回测试集的响应。 代码示例 #include <iostream> #include <opencv2/ml.hpp> #include <opencv2/opencv.hpp> using namespace cv; using namespace cv::ml; using namespace std; int main() { // 准备训练数据 Mat samples = ( Mat_< float >( 4, 2 ) << 0.5, 1.0, 1.0, 1.5, 2.0, 0.5, 1.5, 0.0 ); Mat responses = ( Mat_< int >( 4, 1 ) << 0, 0, 1, 1 ); // 使用TrainData创建训练数据对象 Ptr< TrainData > trainData = TrainData::create( samples, ROW_SAMPLE, responses ); // 打印样本数量和变量数量 cout << "Number of training samples: " << trainData->getNTrainSamples() << endl; cout << "Number of variables: " << trainData->getNVars() << endl; // 分割数据集为训练集和测试集 trainData->setTrainTestSplitRatio( 0.75, true ); // 按75%比例分割，shuffle=true表示随机打乱 // 获取训练样本和响应 Mat trainSamples = trainData->getTrainSamples(); Mat trainResponses = trainData->getTrainResponses(); // 获取测试样本和响应 Mat testSamples = trainData->getTestSamples(); Mat testResponses = trainData->getTestResponses(); // 训练一个简单的SVM模型作为示例 Ptr< SVM > svm_model = SVM::create(); svm_model->setType( SVM::C_SVC ); svm_model->setKernel( SVM::RBF ); svm_model->setC( 1 ); svm_model->setGamma( 0.5 ); bool ok = svm_model->train( trainData ); if ( ok ) { // 对测试集中的样本进行预测 float response = svm_model->predict( testSamples ); cout << "The predicted response for the test sample is: " << response << endl; } else { cerr << "Training failed!" << endl; } return 0; } 运行结果 Number of training samples: 4 Number of variables: 2 The predicted response for the test sample is: 1