OpenCV 迭代随机森林训练

Question

我正在使用随机森林算法作为我论文项目的分类器。 训练集由数千张图像组成，每张图像大约 2000 像素被采样。对于每个像素，我有数十万个特征。和 我目前的硬件限制（8G 内存，可能扩展到 16G）我能够 仅将一张图像的样本（即每个像素的特征）放入内存中。我的 问题是：是否可以多次调用train方法，每次 使用不同图像的样本，并自动获取统计模型 每次通话都更新？我对变量重要性特别感兴趣，因为在我 用整个特征集训练完整的训练集，我的想法是减少 特征的数量从几十万到大约 2000，只保留 最重要的。

感谢您的任何建议， 丹尼尔

Answer 1

我认为该算法不支持增量训练。您可以考虑使用其他特征缩减方法在训练之前减小描述符的大小。或者估计所有训练图像中随机像素子集的变量重要性，尽可能多地填充到你的记忆中......

Answer 2

查看我对this post 的回复。随机森林有增量版本，它们可以让您在更大的数据上进行训练。