機械学習 リファレンス マニュアル

• イントロダクション，共通のクラスと関数（Introduction. Common classes and functions）
• ナイーブベイズ（単純ベイズ）分類器（Normal Bayes Classifier）
• K近傍法（K Nearest Neighbors）
• サポートベクターマシン（SVM）
• 決定木（Decision Trees）
• ブースティング（Boosting）
• ランダムツリー（Random Trees）
• EMアルゴリズム（Expectation-Maximization）
• ニューラルネットワーク（Neural Networks）

ナイーブベイズ（単純ベイズ）分類器（Normal Bayes Classifier）

[Fukunaga90] K. Fukunaga. Introduction to Statistical Pattern Recognition. second ed., New York: Academic Press, 1990.

CvNormalBayesClassifier

正規分布データに対するベイズ分類器クラス

class CvNormalBayesClassifier : public CvStatModel
{
public:
    CvNormalBayesClassifier();
    virtual ~CvNormalBayesClassifier();

    CvNormalBayesClassifier( const CvMat* _train_data, const CvMat* _responses,
        const CvMat* _var_idx=0, const CvMat* _sample_idx=0 );

    virtual bool train( const CvMat* _train_data, const CvMat* _responses,
        const CvMat* _var_idx = 0, const CvMat* _sample_idx=0, bool update=false );

    virtual float predict( const CvMat* _samples, CvMat* results=0 ) const;
    virtual void clear();

    virtual void save( const char* filename, const char* name=0 );
    virtual void load( const char* filename, const char* name=0 );

    virtual void write( CvFileStorage* storage, const char* name );
    virtual void read( CvFileStorage* storage, CvFileNode* node );
protected:
    ...
};

CvNormalBayesClassifier::train

モデルを学習する

bool CvNormalBayesClassifier::train(const CvMat* _train_data, const CvMat* _responses,
               const CvMat* _var_idx = 0, const CvMat* _sample_idx=0, bool update=false );

このメソッドは，ナイーブベイズ（単純ベイズ）分類器（Normal Bayes classifier）を学習する． これは以下の制限を持つ一般的なtrain「メソッド」 の仕様に従う． CV_ROW_SAMPLE データレイアウトのみサポートされる，入力変数は全て連続変数であり，出力変数はカテゴリ変数である （つまりベクトルが 32fC1 型だとしても， _responses の要素は整数でなければならない），データ欠損はサポートされない）．

さらに，モデルを最初から学習する（update=false）か，新しい学習データを用いて更新する（update=true）か， を示すupdate フラグが存在する．

CvNormalBayesClassifier::predict

サンプルに対する応答を予測する

float CvNormalBayesClassifier::predict(const CvMat* samples, CvMat* results=0 ) const;

メソッド predictは，入力ベクトルに対する最も可能性の高いクラスを推定する． 入力ベクトル（一つ以上）は，行列samples の行として保存される． 入力ベクトルが複数の場合は，出力ベクトルresultsを指定しなければならない． 一つの入力ベクトルに対して予測されたクラスは，メソッドの戻り値になる．