學習機器學習的時候，基本都是在用Matlab、Python寫算法，做測試；
由於最近要用OpenCV寫作業，興起看了看OpenCV的機器學習模塊(The Machine Learning Library——MLL)。
來看看MLL的主要構成：Statistical Model是個基類，下面的K-NN、SVM等都是其子類。
不太喜歡這個Statistical定語，Statistics在ML界橫行的好多年，感覺溫度已經降下來了。
來看下Statistical Model：
class CV_EXPORTS_W CvStatModel
{
public:
CvStatModel();
virtual ~CvStatModel();
virtual void clear();
CV_WRAP virtual void save( const char* filename, const char* name=0 ) const;
CV_WRAP virtual void load( const char* filename, const char* name=0 );
virtual void write( CvFileStorage* storage, const char* name ) const;
virtual void read( CvFileStorage* storage, CvFileNode* node );
virtual bool train(const Mat& train_data, const Mat& responses, Mat(), Mat(), CVParms params );
virtual float predict(const Mat& sample, ...);
protected:
const char* default_model_name;
};
void CvStatModel::clear() 清除內存重置模型狀態；
void CvStatModel::save() /load() 保存/加載文件和模型；
void CvStatModel:read() /write() 讀寫文件和模型；
bool CvStatModel::train() 訓練模型；
float CvStatModel::predict() 預測樣本結果；
那麼樸素貝葉斯、K-近鄰、支持向量機、決策樹等類都是繼承CVStatModel；
使用這些方法的基本框架就是：
Method.train(train_data, responses, Mat(), Mat(), params);
Method.predict(sampleMat);