opencv机器学习线性回归_（四十四）OpenCV中的机器学习-SVM

时间为友，记录点滴。

本来还想在特征点检测的道路上再走一走，学习一下Harr级联或者HOG什么的，但总有些概念感觉绕不过去。择日不如撞日，撞日不如今日。我们先揭开机器学习中的一个小角，看看大热的机器学习到底是什么东西。

啥是机器学习？

如今机器学习在中国的大热，还是要感谢2016年Alpha Go和李世石的那场人机围棋对决。外行人人谈AI，内行深度神经网络大红大紫。人工智能，机器学习，深度学习的关系

从关系上看，机器学习仅仅是实现人工智能的其中一种方式。所谓机器学习，我更愿意把机器拟人化，跟人类学习一样，可以从经验(数据)中去成长(学习)，然后可以解决实际的问题。这个过程就是学习。人的过程就是人的学习，计算机的过程就是机器学习。

我们可以用这么定义：

机器学习=数据+算法+硬件

机器学习的分类

硬件：

我们结合上面的公式，先来看看硬件：CPU GPU 专用芯片最开始的机器学习当然是写成程序运行在CPU通用处理器上了；

但是随着深度学习的发展，人们发现GPU的架构更适合做深度神经网络这种大量的简单运算(要么NVIDIA的股票biubiu地飞)；

后来，人们发现可以为某个算法单独设计一款ASIC，这样的运算能效比比GPU更高(要么Bitcoin能挖这么快)；

数据和算法：

为什么把数据和算法放一块呢？因为他们总是相辅相成，特定的数据就需要有更优的算法来匹配。

在机器学习的算法世界里，如OpenCV的传统算法一样，浩如烟海，如果真的有人想要搞懂大部分的算法，一定是惊为天人了。听说下面这个哥们用numpy手写了好多。ddbourgin/numpy-ml​github.com

OpenCV中的机器学习

OpenCV的ml模块实现了很多算法，包括朴素贝叶斯、K近邻、SVM、决策树、Boosting、GBT、随机森林、神经网络等。其大多继承自同一基类，训练和预测的接口都是train(),predict()，使用较为方便。

我们进入到代码里面瞅一瞅：

在源码的\opencv-4.1.1\opencv-4.1.1\modules\ml\include\opencv2\ml.hpp文件中有提到：