[源码笔记] OpenCV 2.3 :: Random Trees（一）

OpenCV2.3中Random Trees（R.T.）的继承结构：

API：

CvRTParams	定义R.T.训练用参数，CvDTreeParams的扩展子类，但并不用到CvDTreeParams（单一决策树）所需的所有参数。比如说，R.T.通常不需要剪枝，因此剪枝参数就不被用到。 max_depth  单棵树所可能达到的最大深度 min_sample_count  树节点持续分裂的最小样本数量，也就是说，小于这个数节点就不持续分裂，变成叶子了 regression_accuracy  回归树的终止条件，如果所有节点的精度都达到要求就停止 use_surrogates  是否使用代理分裂。通常都是false，在有缺损数据或计算变量重要性的场合为true，比如，变量是色彩，而图片中有一部分区域因为光照是全黑的 max_categories  将所有可能取值聚类到有限类，以保证计算速度。树会以次优分裂（suboptimal split）的形式生长。只对2种取值以上的树有意义 priors  优先级设置，设定某些你尤其关心的类或值，使训练过程更关注它们的分类或回归精度。通常不设置 calc_var_importance  设置是否需要获取变量的重要值，一般设置true nactive_vars  树的每个节点随机选择变量的数量，根据这些变量寻找最佳分裂。如果设置0值，则自动取变量总和的平方根 max_num_of_trees_in_the_forest  R.T.中可能存在的树的最大数量 forest_accuracy  准确率（作为终止条件） termcrit_type  终止条件设置   -- CV_TERMCRIT_ITER  以树的数目为终止条件，max_num_of_trees_in_the_forest生效   -- CV_TERMCRIT_EPS  以准确率为终止条件，forest_accuracy生效   -- CV_TERMCRIT_ITER | CV_TERMCRIT_EPS  两者同时作为终止条件
CvRTrees::train	训练R.T. return bool  训练是否成功 train_data  训练数据：样本（一个样本由固定数量的多个变量定义），以Mat的形式存储，以列或行排列，必须是CV_32FC1格式 tflag  trainData的排列结构   -- CV_ROW_SAMPLE  行排列   -- CV_COL_SAMPLE  列排列 responses  训练数据：样本的值（输出），以一维Mat的形式存储，对应trainData，必须是CV_32FC1或CV_32SC1格式。对于分类问题，responses是类标签；对于回归问题，responses是需要逼近的函数取值 var_idx  定义感兴趣的变量，变量中的某些，传null表示全部 sample_idx  定义感兴趣的样本，样本中的某些，传null表示全部 var_type  定义responses的类型   -- CV_VAR_CATEGORICAL 分类标签   -- CV_VAR_ORDERED（CV_VAR_NUMERICAL）数值，用于回归问题 missing_mask  定义缺失数据，和train_data一样大的8位Mat params  CvRTParams定义的训练参数
CvRTrees::train	训练R.T.（简短版的train函数） return bool  训练是否成功 data  训练数据：CvMLData格式，可从外部.csv格式的文件读入，内部以Mat形式存储，也是类似的value / responses / missing mask。 params CvRTParams定义的训练参数
CvRTrees:predict	对一组输入样本进行预测（分类或回归） return double  预测结果 sample  输入样本，格式同CvRTrees::train的train_data missing_mask  定义缺失数据

Example：

1. #include <cv.h>
2. #include <stdio.h>
3. #include <highgui.h>
4. #include <ml.h>
5. #include <map>
6.  
7. void print_result(float train_err, float test_err,
8.                   const CvMat* _var_imp)
9. {
10.     printf( "train error    %f\n", train_err );
11.     printf( "test error    %f\n\n", test_err );
12.  
13.     if (_var_imp)
14.     {
15.         cv::Mat var_imp(_var_imp), sorted_idx;
16.         cv::sortIdx(var_imp, sorted_idx, CV_SORT_EVERY_ROW +
17.             CV_SORT_DESCENDING);
18.  
19.         printf( "variable importance:\n" );
20.         int i, n = (int)var_imp.total();
21.         int type = var_imp.type();
22.         CV_Assert(type == CV_32F || type == CV_64F);
23.  
24.         for( i = 0; i < n; i++)
25.         {
26.             int k = sorted_idx.at<int>(i);
27.             printf( "%d\t%f\n", k, type == CV_32F ?
28.                 var_imp.at<float>(k) :
29.                 var_imp.at<double>(k));
30.         }
31.     }
32.     printf("\n");
33. }
34.  
35. int main()
36. {
37.     const char* filename = "data.xml";
38.     int response_idx = 0;
39.  
40.     CvMLData data;
41.     data.read_csv( filename ); // read data
42.     data.set_response_idx( response_idx ); // set response index
43.     data.change_var_type( response_idx,
44.         CV_VAR_CATEGORICAL ); // set response type
45.     // split train and test data
46.     CvTrainTestSplit spl( 0.5f );
47.     data.set_train_test_split( &spl );
48.     data.set_miss_ch("?"); // set missing value
49.  
50.     CvRTrees rtrees;
51.     rtrees.train( &data, CvRTParams( 10, 2, 0, false,
52.         16, 0, true, 0, 100, 0, CV_TERMCRIT_ITER ));
53.     print_result( rtrees.calc_error( &data, CV_TRAIN_ERROR),
54.         rtrees.calc_error( &data, CV_TEST_ERROR ),
55.         rtrees.get_var_importance() );
56.  
57.     return 0;
58. }

---

References：
[1] OpenCV 2.3 Online Documentation: http://opencv.itseez.com/modules/ml/doc/random_trees.html
[2] Random Forests, Leo Breiman and Adele Cutler: http://www.stat.berkeley.edu/users/breiman/RandomForests/cc_home.htm
[3] T. Hastie, R. Tibshirani, J. H. Friedman. The Elements of Statistical Learning. ISBN-13 978-0387952840, 2003, Springer.