opencv3.0正太贝叶斯分类器api讲解

1.官方文档

学习新东西时，首先弄懂原理，然后手动实现，最后查看经典的库调用，对于最后一步，我们需要查看官方文档。

opencv2.0和opencv3.0之间关于normalbayesclassifier的接口略有变化，opencv3.0关于此部分的描述点击此处

2.关键的几个接口

opencv3.0

（1）创建正态贝叶斯分类器：

	Ptr<NormalBayesClassifier> model = NormalBayesClassifier::create();

（2）设置训练数据：

        float trainingData[8][3] = 
	{ 
		{ 6, 180, 12 }, 
		{ 5.92, 190, 11 },
		{ 5.58, 170, 12 }, 
		{ 5.92, 165, 10 },
		{ 5, 100, 6 },
		{ 5.5, 150, 8 }, 
		{ 5.42, 130, 7 }, 
		{ 5.75, 150, 9 } 
	};
	Mat trainingDataMat(8, 3, CV_32FC1, trainingData);
	cout << trainingDataMat << endl;
	//1---M    0---F    
	int labels[8] = { 1, 1, 1, 1, -1, -1, -1, -1 };
	Mat labelsMat(8, 1, CV_32SC1, labels);
	cout << labelsMat << endl;
	Ptr<TrainData> tData = TrainData::create(trainingDataMat, ROW_SAMPLE, labelsMat);

（3）训练分类器：

        model->train(tData);

（ 4）应用训练好的模型进行分类

	float myData[3] = { 6, 130, 8 };
	Mat myDataMat(1, 3, CV_32FC1, myData);
	int res = model->predict(myDataMat);