问题标签 [adaboost]

有没有办法直观地显示在分类器的每个阶段使用了哪些 Haar 特征？

我最近使用 opencv_traincascade.exe 训练了一个分类器来检测车辆。为了进一步分析，我希望看到在每个阶段都在评估的功能。

谢谢你的帮助。

编辑

如果任何人都可以提供有关 cascade.xml 的信息，那就太好了，节点的含义是什么。谢谢

我一直想知道当它具有错误率（完美分类）时，alpha（弱分类器的权重）的值应该是多少，因为 alpha 的算法是 (0.5) * Math.log(((1 - errorRate) / errorRate))

谢谢你。

如果有人可以完全解释 cascade.xml 中的数字/值，那将是最好的。示例：

这些值的含义是什么

另一个问题是，程序如何知道在特定阶段使用哪个功能？据我所知，功能的形式如下

其中它是两个矩形的坐标，形成如下所示：

什么是值-1。3.是什么意思？我知道它的权重，但它是如何用于计算特征的？

概括

1. 里面的值是什么意思<internalNodes>？
2. 特征是如何计算的？砝码如何<rects>使用？
3. 最重要的是，哪个字段表示在特定阶段/节点中使用了哪些功能。

谢谢！

我在 R 中使用 gbm 包进行二进制分类。我正在为算法使用 adaboost 指数损失函数。我有两个问题：

1. 如果我想查看训练错误，我应该只看这个吗？（假设我的模型对象叫做 fit，我使用了 3-fold CV。）

   best.iter <- gbm.perf(fit,method="cv")

   fit$train.error[best.iter]

2. 如果我想对我的训练数据集进行预测，请说“训练”，并通过以下代码行删除响应变量pred <- predict(object=fit,newdata=train,n.trees=best.iter)：它只给了我 adaboost 的指数损失值。我怎样才能将其转换回二进制类的概率？我试过plogis了log。结果只是没有意义。例如，plogis所有内容都给我 0.99***，log给我区间 [0.52,0.56]。我应该做什么样的转变？

仅供参考，我种了 100 棵树，拟合过程似乎还可以。例如，

谢谢！

C# 中是否有用于 AdaBoost 算法的流行且稳定的库？除了经典的 AdaBoost（如 GentleBoost、LogitBoost 等）之外，这样的库是否包含不同风格的 boosting？

我正在尝试在 CRAN-R 中使用 Adaboost 来解决分类问题。我找不到任何实际输出弱分类器函数形式的 R 包（例如 hi(x) * I (Y > z)，然后我可以将其编程为评分算法。谁能帮我指出一个可以提供这些的包函数/系数？谢谢！

我正在尝试使用 R 的 adabag 包进行分类。

以下调用与 R 的 ada 包的 ada() 函数完美配合。

但是当下面的 adabag 的函数调用中使用相同的训练数据集时，它会返回错误：

这个错误究竟暗示了什么？

假设我的数据集是一个100 x 3充满分类变量的矩阵。我想对响应变量进行二进制分类。让我们用以下代码组成一个数据集：

数据如下所示：

我尝试用两种不同的方法对这些数据进行随机森林和 adaboost。第一种方法是按原样使用数据：

第二种方法是将数据集转换为宽格式，并将每个类别视为一个变量。我这样做的原因是因为我的实际数据集在 var1 和 var2 中有 500 多个因子，因此，树分区总是将 500 个类别分成 2 个部分。这样做会丢失很多信息。要转换数据：

新数据如下所示：

我将随机森林和 adaboost 应用于这个新数据集：

两种方法的结果是不同的。当我们在每个变量中引入更多级别时，差异更加明显，即var1和var2。我的问题是，既然我们使用完全相同的数据，为什么结果不同？我们应该如何解释这两种方法的结果？哪个更可靠？

我正在创建一个应用程序，用于对城市环境图像中的人类进行分类。

我以以下方式训练分类器：

train_rand.csv 是一个文件，其中第一列是类别。其余列将成为问题的特征。例如，我可以使用三个功能。它们中的每一个代表图像中每个像素的红色、蓝色和绿色的平均值。所以我的 csv 文件应该是这样的。请注意，在第一列中我使用了一个字符，因此 OpenCV 将其识别为一个类别。

对于我的实际问题，我使用了 100 个特征和 8000 个样本。我用一半的数据训练分类器，用剩下的数据测试。

训练后，我得到了大约 5% 的测试错误（这对于仅 100 个特征来说已经相当不错了）。

现在我想在新数据中使用分类器：

我在数千个样本上运行这段代码，它总是输出相同的值，即 2。我真的不明白我在这里做错了什么，但即使我以错误的方式训练分类器，它也不会t 以相同的方式分类 100% 的时间，而且，我之前计算的测试误差表明分类器应该可以正常工作。

困扰我的一件事是 SampleData 必须具有与我用来训练的样本相同数量的列。问题是，用于训练的数据有 100 列 + 1 个响应，如果我尝试运行只有 100 个特征的分类器，它会抛出一个异常，说大小不匹配。如果我用 101 个特征（这绝对是任意的）运行分类器，它可以工作，但结果没有任何意义。

谁能帮我这个？提前致谢！

问候

我正在使用包ada中的 adaboost 来拟合模型。在我对 adaboost 的理解中，它结合了多个分类器以获得更好的结果。但是在函数ada中，我找不到用于此目的的参数。那么使用什么分类ada器呢？我怎样才能将我的分类器传递给ada? 谢谢你。