OpenCV的瑣碎的隨機森林不起作用，是不一樣的sklearn

Question

我想要得到隨機森林的最簡單的例子工作。訓練數據是標記爲0的{0,0}和標記爲1的{1,1}。預測的樣本爲{2,2}。 OpenCV的返回0而不是1。這裏是在C的OpenCV代碼++（main.cpp）：

#include <iostream> 
#include <opencv2/core/core.hpp> 
#include <opencv2/ml/ml.hpp> 

using namespace std; 
using namespace cv; 

int main(int argc, char const *argv[]) { 
    cout << " hi \n"; 
    float trainingData[2][2] = { {0.0, 0.0}, {1.0, 1.0}}; 
    Mat training_data(2, 2, CV_32FC1, trainingData); 
    float trainingClass[2] = {0.0,1.0}; 
    Mat training_class(2, 1, CV_32FC1, trainingClass); 
    CvRTrees rtree; 
    rtree.train(training_data, CV_ROW_SAMPLE, training_class); 
    float sampleData[2] = {2.0, 2.0}; 
    Mat sample_data(2, 1, CV_32FC1, sampleData); 
    cout << rtree.predict(sample_data) << " <-- predict\n"; 
    return 0; 
} 

cmake的文件：

cmake_minimum_required(VERSION 2.8) 
project(main) 
find_package(OpenCV REQUIRED) 
add_executable(main main.cpp) 
target_link_libraries(main ${OpenCV_LIBS}) 

運行：

> cmake .;make;./main 
hi 
0 <-- predict 

爲了比較，這裏是一個蟒蛇的sklearn代碼（rfc.py）：

from sklearn.ensemble import RandomForestClassifier 
X = [[0, 0], [1, 1]] 
Y = [0, 1] 
clf = RandomForestClassifier(n_estimators=10) 
clf = clf.fit(X, Y) 
print clf.predict([[2., 2.]]) 

運行：

> python rfc.py 
[1] 

Answer 1

點數來訓練的太少了。如果我將其更改爲3，則一切正常。

將min_sample_count更改爲2也適用。