问题标签 [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。查看文档和字母识别示例后，我认为这样做很简单，但由于某种原因，在训练分类器时出现以下错误：

OpenCV 错误：功能/特征未实现（提升树只能用于 2 类分类。）

这是我的代码的相关部分：

我认为这里的问题是 var_type Mat。据我了解，它必须包含每个功能一个条目以及一个响应条目。由于我的功能都是数值测量，因此我将第一个元素设置为 CV_VAR_ORDERED，将最后一个元素设置为 CV_VAR_CATEGORICAL。

任何人都可以向我解释为什么 OpenCV 的东西这不是一个 2 类分类吗？

另一件事：对于预测，我不想要实际的预测标签，而是属于第 1 类的概率。如果我能得到加权投票的总和，这实际上并不难计算。predict 方法有一个标志returnSum但文档说：如果为真，则返回投票总和而不是类标签。它们真的是指票数总和还是加权票数总和？

Viola-Jones 人脸检测使用 adaboost 方法训练强分类器。我对 beta 参数更新策略感到困惑：

为什么选择这样的beta值？设置变量的目的beta是增加Weights的权重。如何选择：

当我尝试使用“adabag”库在 R 中执行增强功能时：

adaboost = boosting(count~., data=train, boos=TRUE, mfinal=100, coeflearn='Breiman')

我收到此错误：

Error in predict.rpart(fit, newdata = data[, -1], type = "class"): Invalid prediction for "rpart" object

是否可以结合 HoG 和 AdaBoost 两种跟踪算法？

或者有没有可以组合的视频跟踪算法？我正在尝试通过结合这两者来开发一种算法。可能吗？我也在尝试使用 OpenCV 来实现它。

我想将 sklearn.ensamble 的 AdaBoostClassifier 用于简单的二进制分类任务。如何使用多个预拟合感知器作为 AdaBoostClassifier 中的弱分类器？

IE

或者，我需要手动构建 AdaBoost 吗？

所以我正在使用 OpenCV 的 LBP 检测器。我检测到的形状都是大致圆形的（主要在纵横比上有所不同），亮度/对比度有一些很大的变化，还有一点点遮挡。

OpenCV 关于如何训练检测器的指南在这里

对于任何有使用它的经验的人，我的主要问题是 numPos 和 numNeg 应该如何相互关联？我有大约 1000 个阳性样本（所以每个阶段使用约 900 个）

我需要决定的是每个阶段使用多少负样本进行训练。我有大约 20000 张图像可以从中提取负面数据，因此冗余并不是真正的问题。

一般来说，我听到的规则是 1:2，但考虑到我有多少负面数据可供使用，这似乎没有得到充分利用。另一方面，如果我用 1:20 训练我的检测器，我应该期待什么效果？我应该如何确定合适的比例？

有谁知道如何将 AdaBoost 树（R 中的结果）转换为 if-else 条件？

我已经使用了caretR 中的包以及train函数，并method="ada"在我的数据集上获得了一些预测。

之后我使用包中的函数listTreesAda来rattle查看它们的结构（示例如下）：

你如何在 if-else 条件下阅读它？如果你想自己计算 AdaBoost 模型的最终函数，你会怎么做？每棵树都有一个重量{w(1), w(2), ..., w(n)}，你会把这个重量乘以什么？对应于最终结果的规则离开响应变量为 YES 的位置？...响应变量为否？...对于树的每个 if-else 规则？

正如你所看到的，我有点迷路了。

（这篇文章涉及到： https ://stats.stackexchange.com/questions/133088/use-adaboost-results-in-r-to-make-future-predictions-by-hand 和 https://stackoverflow.com /questions/27857619/r-error-using-drawtreesada-to-draw-an-ada-tree )

我正在测试我使用 Matlab 的fitensemble方法构建的增强树模型。

我只是想在几个简单的例子上运行它，所以我提出了一个简单的例子，一个特征是 >.5 用于正例，<.5 用于负例。我收到警告

这让我想，太好了，它找出了相关的特征，并且所有的训练样本都被正确分类了。

但是如果我看一下准确性

结果是 0.5，因为分类器只是将正类分配给所有示例！

为什么Matlab认为分类误差= 0，而它显然不是0？我相信这个例子应该很容易学习。有没有办法防止此错误并使用此方法获得正确的结果？

编辑：上面的代码应该重现警告。

我知道您可以使用单个模型的多个实例（例如，600 个决策树、贝叶斯岭或线性模型）进行 AdaBoost。是否可以同时使用大量模型进行 AdaBoost，以及如何实现？

每个独立模型都有其优点和缺点，我想知道是否可以在伞下将它们全部混合在一起。

我在 Python 中使用 AdaBoostClassifier（来自 sklearn.ensemble import AdaBoostClassifier），我想知道 AdaBoost 选择的弱规则。

这是我的源代码：

每个估计器都是一个决策树分类器，但我无法找到我想要的信息。

我想知道决策函数 f(x) 的规则细节：

f(x) = 0.426 I(x37 < 2.5) + 0.64696 I (x250 < 8.5)

也就是说，我想知道分类器使用我的数据 X 的哪一列以及使用哪个系数。

这是一个二元决策，类别是 0 或 1。

谢谢。