我之前使用随机森林进行分类任务，设置参数时参考了这里的示例，效果很好。现在我想解决一个回归问题。

我大致了解这与随机森林训练方法中定义数据类型的var_type Mat有关，但不太确定这些标志各自对应什么。

对于分类任务，它看起来像这样（代码从上面的链接复制）：

// 将所有属性定义为数值型
// 替代方案是CV_VAR_CATEGORICAL或CV_VAR_ORDERED(=CV_VAR_NUMERICAL)
// 可以按每个属性基础分配
Mat var_type = Mat(ATTRIBUTES_PER_SAMPLE + 1, 1, CV_8U );
var_type.setTo(Scalar(CV_VAR_NUMERICAL) ); // 所有输入都是数值型
// 这是一个分类问题（即预测离散数量的类别输出）
// 因此将最后一个（+1）输出var_type元素重置为CV_VAR_CATEGORICAL
var_type.at<uchar>(ATTRIBUTES_PER_SAMPLE, 0) = CV_VAR_CATEGORICAL;

参数设置如下：

float priors[] = {1,1,1,1,1,1,1,1,1,1};  // 每个分类的权重（所有数字的样本均等）
CvRTParams params = CvRTParams(25, // 最大深度
                                5, // 最小样本数
                                0, // 回归精度：这里不适用
                            false, // 计算代理分裂，没有缺失数据
                                                                   15, // 最大类别数（对于更大的数字使用次优算法）
                            priors, // 先验概率数组
                            false,  // 计算变量重要性
                                4,       // 在节点处随机选择的变量数量，用于查找最佳分裂
                              100,   // 森林中的最大树数
                             0.01f,             // 森林精度
         CV_TERMCRIT_ITER | CV_TERMCRIT_EPS // 终止条件
                                  );

训练使用var_type和params如下：

CvRTrees* rtree = new CvRTrees;
rtree->train(training_data, CV_ROW_SAMPLE, training_classifications,
                 Mat(), Mat(), var_type, Mat(), params);

我的问题是如何设置OpenCV随机森林，使其作为回归器工作。我已经搜索了很多，但没有找到答案。最接近的解释是我在这里找到的回答。然而，它仍然没有意义。

我正在寻找一个简单的答案，解释回归的var_type和params设置。

回答：

要将其用于回归，您只需将var_type设置为CV_VAR_ORDERED，即

var_type.at<uchar>(ATTRIBUTES_PER_SAMPLE, 0) = CV_VAR_ORDERED;

并且您可能希望将回归精度设置为一个非常小的数字，如0.0001f。