Раньше я использовал задачу Random Forest for Classification, задав параметры с помощью примера here в качестве руководства. Он работает отлично. Однако теперь я хочу решить проблему регрессии.Использование OpenCV Random Forest для регрессии
У меня есть идея, что это связано с матом var_type, определяющим тип данных в методе поездов Random Forest, однако не совсем уверен, что соответствует каждому из этих флагов.
Для задачи Classifcation это выглядит следующим образом (код, скопированный из ссылки выше):
// define all the attributes as numerical
// alternatives are CV_VAR_CATEGORICAL or CV_VAR_ORDERED(=CV_VAR_NUMERICAL)
// that can be assigned on a per attribute basis
Mat var_type = Mat(ATTRIBUTES_PER_SAMPLE + 1, 1, CV_8U);
var_type.setTo(Scalar(CV_VAR_NUMERICAL)); // all inputs are numerical
// this is a classification problem (i.e. predict a discrete number of class
// outputs) so reset the last (+1) output var_type element to CV_VAR_CATEGORICAL
var_type.at<uchar>(ATTRIBUTES_PER_SAMPLE, 0) = CV_VAR_CATEGORICAL;
И настройки Params:
float priors[] = {1,1,1,1,1,1,1,1,1,1}; // weights of each classification for classes
// (all equal as equal samples of each digit)
CvRTParams params = CvRTParams(25, // max depth
5, // min sample count
0, // regression accuracy: N/A here
false, // compute surrogate split, no missing data
15, // max number of categories (use sub-optimal algorithm for larger numbers)
priors, // the array of priors
false, // calculate variable importance
4, // number of variables randomly selected at node and used to find the best split(s).
100, // max number of trees in the forest
0.01f, // forrest accuracy
CV_TERMCRIT_ITER | CV_TERMCRIT_EPS // termination cirteria
);
Обучение использует var_type и Params следующим образом:
CvRTrees* rtree = new CvRTrees;
rtree->train(training_data, CV_ROW_SAMPLE, training_classifications,
Mat(), Mat(), var_type, Mat(), params);
Мой вопрос в том, как я могу настроить OpenCV Random Forest так, чтобы он работал как regre SSOR. Я много искал, но не смог найти ответ на этот вопрос. Самое близкое объяснение у меня есть в ответе this. Однако это все еще не имеет никакого смысла.
Я ищу простой ответ, объясняющий var_type и params для регрессии.