这些模型是受监督的机器学习技术，这意味着训练模型不仅需要训练数据（即测量矢量），还需要与每个样本相关的标记（或连续值）。例如，如果您尝试检测包含猫的图像，则会有一组训练集，例如500张不包含猫的图像和500张包含猫的图像。您计算所有1000个图像的描述符，并为每个类别分配一个数字（按照惯例，-1表示“非猫”，1表示“猫”）。然后，响应将是1000x1整数的矩阵，前500个值为-1，而剩余值为1。
在您的示例中，atof用于将目录名称转换为表示类别的唯一编号，因为训练示例可能按文件夹（文件夹猫，狗，自行车等）排序。