机器学习

利用机器学习算法对图像中的对象进行分类

根据机器学习算法从输入数据中进行学习的方式，

• 监督学习：
• 无监督学习：
• 强化学习：

把机器学习算法得到的结果分为

• 分类
• 回归
• 聚类
• 密度估计

在此使用监督学习和分类方法，
利用算法：

Opencv的StatModel类中实现了这八种算法

支持向量机（SVM）
人工神经网路
期望最大化
逻辑回归
k - 最近邻
决策树
随机梯度下降SVM
朴素贝叶斯分类器
深度学习

机器学习中，最耗时的是训练过程，建议保存训练好的模型和已经学习过的所有参数

train负责使用训练数据集学习模型参数的主要方法

// 三种调用方法
bool train(const Ptr<TrainData>& trainData，
		   int flags = 0);
		   
bool train(InputArray samples, 
		   int layout, 
		   InputArray responses);
		   
Ptr<_Tp> train(const Ptr<TrainData>& data, 
			   int flags = 0);

参数介绍

• TrainData
• samples
• layout
• responses
• flags

float StatModel::predict(InputArray samples, 
						 OutputArray result = noArray(), 
						 int flags = 0)

参数介绍

• samples
• results
• flags