机器学习函数的响应？答案

【问题标题】：Responses of machine learning functions?机器学习函数的响应？
【发布时间】：2012-11-20 11:56:19
【问题描述】：

通过here 解释的任何机器学习功能时。它们都遵循 cvStatModel 的格式。

例如NormalBayes的train函数是这样实现的：

CvNormalBayesClassifier::train(const Mat& trainData, const Mat& responses, const Mat& varIdx=Mat(), const Mat& sampleIdx=Mat(), bool update=false )

文档告诉您查看 cvStatModel 以获取有关参数的详细信息。

我不明白responses 应该带什么？我知道trainData 是我们使用词袋训练系统所使用的数据，但是在响应中放置什么？

在关于词袋的示例中，响应元素的处理方式如下：

float label=atof(entryPath.filename().c_str());
labels.push_back(label);

NormalBayesClassifier classifier;
classifier.train(trainingData, labels);

所以这里图像的文件名被转换为双精度并用作responses 元素。

我不明白这一点，对此感到困惑。有人可以解释一下responses 元素应该采用什么吗？为什么在上面的例子中使用atof？

【问题讨论】：

标签： opencv machine-learning svm

【解决方案1】：

这些模型是有监督的机器学习技术，这意味着训练模型不仅需要训练数据（即测量向量），还需要与每个样本相关联的标签（或连续值）。例如，如果您尝试检测包含猫的图像，您有一个训练集，例如，500 个不包含猫的图像和 500 个包含猫的图像。您计算所有 1000 张图像的描述符，并为每个类别分配一个数字（按照惯例，“非猫”为 -1，“猫”为 1）。然后，响应将是 1000x1 整数的矩阵，前 500值为 -1，而其余的值为 1。

在您的示例中，atof 用于将目录名称转换为唯一编号，表示类别，因为训练示例可能按文件夹排序（文件夹猫、狗、自行车等）。

【讨论】：