2014-09-26 53 views

回答

1
Mat Col(28539, 97, CV_32F); 

是一个OpenCV二维(28539行,97列)密集浮点(CV_32F = float)数组。

的alglib几乎等价的datatype

// bi-dimensional real (double precision) array 
real_2d_array matrix; 

Mat数据布局与real_2d_array兼容(和主要来自其他工具包和SDK密集阵列类型)。

一种简单的方法来转换是:

const int rows(28539); 
const int columns(97); 

matrix.setlength(rows, columns); 

for (int i(0); i < rows; ++i) 
    for (int j(0); j < columns; ++j) 
    matrix(i, j) = Col.at<float>(i, j); 

Mat::at返回到指定的数组元素的引用。

EDIT

reference manual

void alglib::dfbuildrandomdecisionforest(
    real_2d_array xy, 
    ae_int_t npoints, 
    ae_int_t nvars, 
    ae_int_t nclasses, 
    ae_int_t ntrees, 
    double r, 
    ae_int_t& info, 
    decisionforest& df, 
    dfreport& rep); 
  • xy是(线对应于样品对应于变量的组件和列)的训练集。

    对于分类任务,列的第一个nvars包含独立变量。 最后的列将包含类号(从0到nclasses-1)。小数值四舍五入到最接近的整数。

  • npoints是训练集大小(>=1)。
  • nvars是自变量的数量(>=1)。
  • nclasses对于分类必须> 1。
  • ntrees是森林中的树木数量(>=1)。
  • r是用于构建单个树木的培训集合的百分比(0 < R <= 1)。

其余参数是输出参数。在出现问题时,你应该检查info

  • info返回代码:
    • -2,如果有与[0..nclasses-1]课外数点。
    • -1,如果不正确的参数传递(npoints<1nvars<1nclasses<1ntrees<1r<=0r>1)。
    • 1,如果任务已经解决。
+0

感谢manlio的回复。我已经做了同样的事情。虽然我设置的其他参数是alglib :: dfbuildrandomdecisionforest(matrix,28539,96,7,80,0.66,info,df,rep);但仍然没有建立模型。我也检查了包含在矩阵中的数据,这也是正确的。你可以建议我做错了什么(像传递参数到随机森林) – kkdirvi 2014-09-27 19:21:05

+0

你检查了'info'输出参数的值吗?返回代码应该是1.另外'matrix'的最后一列必须包含类号(在你的情况下从0到6)。 – manlio 2014-09-27 22:44:23

+0

我检查了信息的输出,它是-1,这意味着有一些参数问题。让我告诉你一些细节....矩阵包含训练数据,最后一列是类标签。其他参数如alglib :: dfbuildrandomdecisionforest(matrix,28539,96,7,80,0.66,info,df,rep); – kkdirvi 2014-09-28 10:48:57