samples/c/tree_engine.cpp

   1 #include "opencv2/ml/ml.hpp"
   2 #include "opencv2/core/core_c.h"
   3 #include <stdio.h>
   4 #include <map>
   5
   6 void help()
   7 {
   8         printf(
   9                 "\nThis sample demonstrates how to use different decision trees and forests including boosting and random trees:\n"
  10                 "CvDTree dtree;\n"
  11                 "CvBoost boost;\n"
  12                 "CvRTrees rtrees;\n"
  13                 "CvERTrees ertrees;\n"
  14                 "CvGBTrees gbtrees;\n"
  15                 "Call:\n\t./tree_engine [-r <response_column>] [-c] <csv filename>\n"
  16         "where -r <response_column> specified the 0-based index of the response (0 by default)\n"
  17         "-c specifies that the response is categorical (it's ordered by default) and\n"
  18         "<csv filename> is the name of training data file in comma-separated value format\n\n");
  19 }
  20
  21
  22 int count_classes(CvMLData& data)
  23 {
  24     cv::Mat r(data.get_responses());
  25     std::map<int, int> rmap;
  26     int i, n = (int)r.total();
  27     for( i = 0; i < n; i++ )
  28     {
  29         float val = r.at<float>(i);
  30         int ival = cvRound(val);
  31         if( ival != val )
  32             return -1;
  33         rmap[ival] = 1;
  34     }
  35     return rmap.size();
  36 }
  37
  38 void print_result(float train_err, float test_err, const CvMat* _var_imp)
  39 {
  40     printf( "train error    %f\n", train_err );
  41     printf( "test error    %f\n\n", test_err );
  42
  43     if (_var_imp)
  44     {
  45         cv::Mat var_imp(_var_imp), sorted_idx;
  46         cv::sortIdx(var_imp, sorted_idx, CV_SORT_EVERY_ROW + CV_SORT_DESCENDING);
  47
  48         printf( "variable importance:\n" );
  49         int i, n = (int)var_imp.total();
  50         int type = var_imp.type();
  51         CV_Assert(type == CV_32F || type == CV_64F);
  52
  53         for( i = 0; i < n; i++)
  54         {
  55             int k = sorted_idx.at<int>(i);
  56             printf( "%d\t%f\n", k, type == CV_32F ? var_imp.at<float>(k) : var_imp.at<double>(k));
  57         }
  58     }
  59     printf("\n");
  60 }
  61
  62 int main(int argc, char** argv)
  63 {
  64     if(argc < 2)
  65     {
  66         help();
  67         return 0;
  68     }
  69     const char* filename = 0;
  70     int response_idx = 0;
  71     bool categorical_response = false;
  72
  73     for(int i = 1; i < argc; i++)
  74     {
  75         if(strcmp(argv[i], "-r") == 0)
  76             sscanf(argv[++i], "%d", &response_idx);
  77         else if(strcmp(argv[i], "-c") == 0)
  78             categorical_response = true;
  79         else if(argv[i][0] != '-' )
  80             filename = argv[i];
  81         else
  82         {
  83             printf("Error. Invalid option %s\n", argv[i]);
  84             help();
  85             return -1;
  86         }
  87     }
  88
  89     printf("\nReading in %s...\n\n",filename);
  90     CvDTree dtree;
  91     CvBoost boost;
  92     CvRTrees rtrees;
  93     CvERTrees ertrees;
  94         CvGBTrees gbtrees;
  95
  96     CvMLData data;
  97
  98
  99     CvTrainTestSplit spl( 0.5f );
 100
 101     if ( data.read_csv( filename ) == 0)
 102     {
 103         data.set_response_idx( response_idx );
 104         if(categorical_response)
 105             data.change_var_type( response_idx, CV_VAR_CATEGORICAL );
 106         data.set_train_test_split( &spl );
 107
 108         printf("======DTREE=====\n");
 109         dtree.train( &data, CvDTreeParams( 10, 2, 0, false, 16, 0, false, false, 0 ));
 110         print_result( dtree.calc_error( &data, CV_TRAIN_ERROR), dtree.calc_error( &data, CV_TEST_ERROR ), dtree.get_var_importance() );
 111
 112         if( categorical_response && count_classes(data) == 2 )
 113         {
 114         printf("======BOOST=====\n");
 115         boost.train( &data, CvBoostParams(CvBoost::DISCRETE, 100, 0.95, 2, false, 0));
 116         print_result( boost.calc_error( &data, CV_TRAIN_ERROR ), boost.calc_error( &data, CV_TEST_ERROR ), 0 ); //doesn't compute importance
 117         }
 118
 119         printf("======RTREES=====\n");
 120         rtrees.train( &data, CvRTParams( 10, 2, 0, false, 16, 0, true, 0, 100, 0, CV_TERMCRIT_ITER ));
 121         print_result( rtrees.calc_error( &data, CV_TRAIN_ERROR), rtrees.calc_error( &data, CV_TEST_ERROR ), rtrees.get_var_importance() );
 122
 123         printf("======ERTREES=====\n");
 124         ertrees.train( &data, CvRTParams( 10, 2, 0, false, 16, 0, true, 0, 100, 0, CV_TERMCRIT_ITER ));
 125         print_result( ertrees.calc_error( &data, CV_TRAIN_ERROR), ertrees.calc_error( &data, CV_TEST_ERROR ), ertrees.get_var_importance() );
 126
 127         printf("======GBTREES=====\n");
 128         gbtrees.train( &data, CvGBTreesParams(CvGBTrees::DEVIANCE_LOSS, 100, 0.05f, 0.6f, 10, true));
 129         print_result( gbtrees.calc_error( &data, CV_TRAIN_ERROR), gbtrees.calc_error( &data, CV_TEST_ERROR ), 0 ); //doesn't compute importance
 130     }
 131     else
 132         printf("File can not be read");
 133
 134     return 0;
 135 }