k最近傍法（k-Nearest Neighbors, kNN)¶
v3.0.0¶
Link API Reference .
In [36]:
# -*- coding: utf-8 -*-
import cv2
import numpy as np
#Ipythonで表示用の設定
import matplotlib.pyplot as plt
%matplotlib inline
# 乱数で学習用データ生成（２５個）。特徴ベクトルとして (x,y) の２値を保持。
# xの値:0～100、ｙの値：0～100
trainData = np.random.randint( 0, 100, (25, 2) ).astype(np.float32)
# 各学習用データのラベル生成（ラベル0;赤、ラベル1:青）
responses = np.random.randint( 0, 2, (25, 1) ).astype(np.float32)
# 学習用データから赤ラベルを取り出し、また散布図にプロット
red = trainData[responses.ravel()==0]
plt.scatter(red[:,0],red[:,1],80,'r','^')
# 学習用データから青ラベルを取り出し、また散布図にプロット
blue = trainData[responses.ravel()==1]
plt.scatter(blue[:,0],blue[:,1],80,'b','s')
# 推定用データの生成（１個）。特徴ベクトルとして（x,y）を保持。
# また散布図にプロット（緑）
newcomer = np.random.randint(0,100,(1,2)).astype(np.float32)
plt.scatter(newcomer[:,0],newcomer[:,1],80,'g','o')
# kNN学習器作成
knn = cv2.ml.KNearest_create()
# 学習ステップ
knn.train(trainData,cv2.ml.ROW_SAMPLE,responses)
# 推定ステップ
ret, results, neighbours, dist = knn.findNearest(newcomer, 3)
# 推定結果（推定したラベル）
print "result: ", results,"\n"
# 近傍サンプルのラベル
print "neighbours: ", neighbours,"\n"
# 各近傍サンプルへの距離
print "distance: ", dist
plt.show()
