opencv机器学习线性回归_在opencv3中的机器学习算法

在opencv3.0中，提供了一个ml.cpp的文件，这里面全是机器学习的算法，共提供了这么几种：

1、正态贝叶斯：normal Bayessian classifier    我已在另外一篇博文中介绍过：在opencv3中实现机器学习之：利用正态贝叶斯分类

2、K最近邻：k nearest neighbors classifier

3、支持向量机：support vectors machine    请参考我的另外一篇博客：在opencv3中实现机器学习之：利用svm(支持向量机)分类

4、决策树： decision tree

5、ADA Boost：adaboost

6、梯度提升决策树：gradient boosted trees

7、随机森林：random forest

8、人工神经网络：artificial neural networks

9、EM算法：expectation-maximization

这些算法在任何一本机器学习书本上都可以介绍过，他们大致的分类过程都很相似，主要分为三个环节：

一、收集样本数据sampleData

二、训练分类器mode

三、对测试数据testData进行预测

不同的地方就是在opencv中的参数设定，假设训练数据为trainingDataMat,且已经标注好labelsMat。待测数据为testMat.

1、正态贝叶斯

//创建贝叶斯分类器

Ptr model=NormalBayesClassifier::create();//设置训练数据