使用决策树答案

【问题标题】：Working with decision trees使用决策树
【发布时间】：2011-06-26 09:56:46
【问题描述】：

我知道 tl;dr;

我会尽量解释我的问题，而不会用大量蹩脚的代码来打扰您。我正在做一个学校作业。我们有蓝精灵的照片，我们必须通过前景背景分析来找到它们。我在 java 中有一个决策树，其中包含所有数据（HSV 直方图）1 个单个节点。然后尝试找到最好的属性（从直方图数据）来拆分树。然后执行拆分并创建一个左右子树，数据在两个节点树上拆分。所有数据仍然保存在主树中，以便能够计算基尼指数。

所以在分析蓝精灵 26 分钟后，我的电脑有一棵巨大的树，上面有裂痕和其他数据。现在我的问题是，谁能给我一个关于如何分析新图片并确定哪些像素可能是“蓝精灵像素”的全局想法。我知道我必须使用新 smurf 的 HSV 直方图生成一个新的数据点数组，然后我需要使用生成的树来确定哪些像素属于一个 smurf。

谁能给我指点一下如何做到这一点？

一些附加信息。
每个决策树对象都有一个拆分对象，该对象具有要拆分的最佳属性、要拆分的值和一个基尼指数。

如果我需要提供任何其他信息，我想听听。

【问题讨论】：

可能这是我自己对图像处理的无知，但无论如何：听起来你想使用决策树进行分类。目前尚不清楚您对什么进行分类：是特定像素还是整个图像？一般的决策树范式说：表示要按特征分类的每个对象。湾。学习将特征映射到标签的决策树。 C。要对新对象进行分类，首先将其表示为特征，然后在对象上运行树并获取建议的标签。
“然后在对象上运行树并获取建议的标签”这是我需要帮助的部分

标签： image-processing machine-learning classification image-recognition decision-tree

【解决方案1】：

好的。基本上，在未优化的伪代码中：为了在新图像中标记像素：

对于新图像中的每个像素：

计算像素的 HSV 特征
递归，从树的根开始：
这是一片叶子吗？如果是，则将像素作为节点的主要标签。
否则，根据像素的特征检查分割标准，并相应地转到右侧或左侧子节点

我希望这在你的上下文中是有意义的。

【讨论】：