随机森林在 opencv python (cv2) 中不起作用

我似乎无法正确传递参数来从 python 中训练 opencv 中的随机森林分类器。

我用 C++ 编写了一个可以正常工作的实现，但在 python 中没有得到相同的结果。

我在这里找到了一些示例代码：http://fossies.org/linux/misc/opencv-2.4.7.ta​​r.gz:a/opencv-2.4.7/samples/python2/letter_recog.py http://fossies.org/linux/misc/opencv-2.4.7.tar.gz:a/opencv-2.4.7/samples/python2/letter_recog.py

这似乎表明您应该在字典中传递参数。这是我正在使用的代码：

rtree_params = dict(max_depth=11, min_sample_count=5, use_surrogates=False, max_categories=15, calc_var_importance=False, n_active_vars=0, max_num_of_trees_in_the_forest=1000, termcrit_type=cv2.TERM_CRITERIA_MAX_ITER)
classifier = cv2.RTrees()
classifier.train(train_data, cv2.CV_ROW_SAMPLE, label_data, params=rtree_params);

我可以看出分类器得到了正确的训练，但它不如我在 C++ 中使用相同参数训练的分类器准确。我相当确定这些参数得到了认可，因为当我调整这些值时我会得到不同的结果。

我确实注意到，当我将分类器输出到文件时，它只有一棵树。我很确定这就是问题所在。我查看了 openCV 的实现：

http://www.code.opencv.org/svn/gsoc2012/denoising/trunk/opencv-2.4.2/modules/ml/src/rtrees.cpp http://www.code.opencv.org/svn/gsoc2012/denoising/trunk/opencv-2.4.2/modules/ml/src/rtrees.cpp

根据我的参数，它应该输出一个有 1000 棵树的森林。我尝试设置max_num_of_trees_in_the_forest对各种疯狂价值观的争论，它并没有改变 OpenCV 的行为。

想法？

不确定这是否会有多大帮助，但我相信：

n_active_vars=0

应该

nactive_vars=0

另外，您可能希望尝试使用 term_crit 参数进行试验。 例如，尝试添加：

term_crit=(cv2.TERM_CRITERIA_MAX_ITER,1000,1)

进入你的字典。

我相信这将设定当森林中添加 1000 棵树时终止的标准。