Question

我正在尝试使用随机森林的最简单示例。训练数据为2点{0,0}，标签为0，{1,1}为标签1.预测样本为{2,2}。 OpenCV返回0而不是1.这是C ++中的OpenCV代码（main.cpp）：

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/ml/ml.hpp>

using namespace std;
using namespace cv;

int main(int argc, char const *argv[]) {
  cout << " hi \n";
  float trainingData[2][2] = { {0.0, 0.0}, {1.0, 1.0}};
  Mat training_data(2, 2, CV_32FC1, trainingData);
  float trainingClass[2] = {0.0,1.0};
  Mat training_class(2, 1, CV_32FC1, trainingClass);
  CvRTrees rtree;
  rtree.train(training_data, CV_ROW_SAMPLE, training_class);
  float sampleData[2] = {2.0, 2.0};
  Mat sample_data(2, 1, CV_32FC1, sampleData);
  cout << rtree.predict(sample_data) << "  <-- predict\n";
  return 0;
}

cmake文件：

cmake_minimum_required(VERSION 2.8)
project( main )
find_package( OpenCV REQUIRED )
add_executable( main main.cpp )
target_link_libraries( main ${OpenCV_LIBS} )

运行：

> cmake .;make;./main
 hi 
0  <-- predict

比较一下，这是一个python的sklearn代码（rfc.py）：

from sklearn.ensemble import RandomForestClassifier
X = [[0, 0], [1, 1]]
Y = [0, 1]
clf = RandomForestClassifier(n_estimators=10)
clf = clf.fit(X, Y)
print clf.predict([[2., 2.]])

运行：

> python rfc.py 
[1]

Answer 1

训练点数太少。如果我将它改为3，一切正常。

将min_sample_count更改为2也有效。

使用OpenCV的琐碎随机森林不起作用，与sklearn不同

1 个答案: