67、机器学习与OpenCV中的标准模型学习

机器学习与OpenCV中的标准模型学习

1. 机器学习基础概述

1.1 机器学习定义与OpenCV的覆盖范围

机器学习是一个广泛的领域，OpenCV库涵盖了其中一部分问题的解决方法，但并非全部。在机器学习中，训练数据和测试数据是有明显区别的。训练数据用于让模型学习模式和规律，而测试数据则用于评估模型在未见过的数据上的性能。

1.2 生成模型与判别模型

• 生成模型 ：尝试在无监督或无标记训练数据的情况下，发现现有数据中的结构。
• 判别模型 ：从示例中学习，并尝试对所看到的内容进行泛化。

1.3 OpenCV中的基础工具

OpenCV库提供了两个非常基础的工具：K - means聚类和Mahalanobis距离。这些工具可用于构建简单模型并解决有趣的问题。此外，OpenCV现在也支持深度神经网络，但目前它们仍处于实验性的 opencv_contrib 中。

1.4 练习题

以下是一些相关的练习题及分析：
1. 特征尺度差异问题 ：如果每个数据点中的特征在尺度上差异很大（例如，第一个特征的范围是1到100，第二个特征的范围是0.0001到0.0002），这可能会对以下算法造成问题：
- SVM ：SVM对特征尺度敏感，尺度差异大会影响其性能。因为SVM通过寻找最优超平面来分类，特征尺度不同会导致某些特征在计算中占据主导地位。