C++ OpenCV Adaboost:“；未实现该功能/特性”；
我有来自两个类的一些对象的特征向量，我的目标是用这些信息训练一个增强的分类器。在查看和字母识别示例后，我认为这样做很简单，但由于某些原因，在训练分类器时，我得到以下错误： OpenCV错误：未实现该函数/功能（增强的树只能用于2类分类。） 以下是我的代码的相关部分：C++ OpenCV Adaboost:“；未实现该功能/特性”；,c++,opencv,machine-learning,classification,adaboost,C++,Opencv,Machine Learning,Classification,Adaboost,我有来自两个类的一些对象的特征向量，我的目标是用这些信息训练一个增强的分类器。在查看和字母识别示例后，我认为这样做很简单，但由于某些原因，在训练分类器时，我得到以下错误： OpenCV错误：未实现该函数/功能（增强的树只能用于2类分类。） 以下是我的代码的相关部分： Mat X = Mat::zeros(train_size, feat_size, CV_32F); Mat Y = Mat::zeros(train_size, 1, CV_32S); // filling of X with
Mat X = Mat::zeros(train_size, feat_size, CV_32F);
Mat Y = Mat::zeros(train_size, 1, CV_32S);
// filling of X with the corresponding features for each training sample
// filling of Y with labels 1 and -1 depending on the class
CvBoostParams params(CvBoost::DISCRETE, 100, 0.95, 1, false, 0);
Mat var_type = Mat(feat_size+1, 1, CV_8U, Scalar::all(CV_VAR_ORDERED));
var_type.ptr<uchar>(feat_size)[1] = CV_VAR_CATEGORICAL;
CvBoost boost;
boost.train(X, CV_ROW_SAMPLE, Y, Mat(), Mat(), var_type, Mat(), params);
Mat X=Mat:：zero（序列尺寸、专长尺寸、CV尺寸32F）；
材料Y=材料：：零（系列尺寸，1，CV_32S）；
//用每个训练样本的相应特征填充X
//根据类别使用标签1和-1填充Y
CvBoostParams参数（CvBoost:：离散，100,0.95,1,false，0）；
Mat var_type=Mat（专长大小+1,1，CV_8U，标量：：全部（CV_var_有序））；
变量类型.ptr（专长大小）[1]=CV\u变量类型；
CvBoost-boost；
推进序列（X，CV_行样本，Y，Mat（），Mat（），var_类型，Mat（），参数）；