问题标签 [adaboost]

为了提高 adaboost 分类器（用于图像分类）的准确性，我正在使用遗传编程来推导新的统计度量。每次生成新特征时，我都会通过训练 adaboost 分类器并测试其性能来评估其适应度。但我想知道该程序是否正确；我的意思是使用单个特征来训练学习模型。

我想尝试在Fast Human Detection Using a Cascade of Histograms of Oriented Gradients. 它使用line-SVM在 Adaboost 的每个阶段训练弱分类器。
但是如何将样本的权重计入 Line-SVM。如果不算。它将获得具有相同功能的相同结果。

使用强（而不是弱，接近随机的错误率）分类器进行提升的效果是什么？有没有可能一个强分类器本身比在 adaboost 中使用这个强分类器和一堆弱分类器时表现得更好？

我正在尝试实现本文的算法：

http://www.bmva.org/bmvc/2012/WS/paper5.pdf

这是第 6 页中的“所有目标姿势的训练过程”算法。

基本上是一种使用 adaboost 和 SURF（特征提取器）进行手部姿势识别的技术。就像我之前写的一样，我正在尝试实现，但我仍然不理解这个算法。问题是我有一些问题，例如：

1. 第 5 页最后一段提到的匹配分数列表是什么？
2. 阈值和训练过程（训练算法）有什么关系？
3. 在训练算法的第 7 行：函数 ht(Ix,ft,tet) 的返回值是多少？

我想知道是否有人实现了这个算法，或者是否有人可以帮助我解决这个问题。

非常感谢您的回答（帮助），因为我已经在这个算法上投入了一些时间，但我仍然不明白这个算法的实现。

以下是adaboost算法：

它在第 3.1 部分提到了“在训练数据上使用权重 wi”。

我不太清楚如何使用权重。我应该重新采样训练数据吗？

我正在尝试将 AdaBoostClassifier 与 DecisionTree 以外的基础学习器一起使用。我已经尝试过 SVM 和 KNeighborsClassifier，但我得到了错误。可以与 AdaBoostClassifier 一起使用的分类器有哪些？

AdaBoostM1是在Weka中实现的提升算法。该算法的一个关键组成部分是在每次迭代后重新加权“难以分类”的实例。 我想获得 AdaBoostM1 为其构建的每个分类器使用的每个实例的权重

在构建 AdaBoostM1 模型之前和之后，我使用“ Instance.weight() ”来获取实例权重。权重不会改变，因此不是我感兴趣的。AdaBoostM1 的源代码是可用的，可以看出权重是在模型构建过程中设置的（此处）。在 AdaBoostM1 构建每个新模型之前，能否以某种方式获得实例权重？

我正在尝试了解 Viola-jones 人脸检测算法。在论文中，他们提到在 24x24 像素图像中可以有 160k 加 haar 特征。

我正在努力理解如何确定弱分类器。例如，如果我有 10k 张图像，面孔 + 非面孔。我在整组图像上交换了一个 Haar 特征。现在既然特征的结果是一个整数值（白色区域和灰色区域之和之间的差），我们如何使用这个整数值来确定它是否正确分类了人脸或非人脸图像。

感谢阿里·乌梅尔

我正在对具有 8 个特征和 5000 个样本的数据使用 Matlab 的 fitensemble 函数。使用以下命令，我可以训练模型：

我的问题：如何用一个分裂（两片叶子而不是许多叶子）创建弱学习器？我知道以下命令控制树的创建方式： t = ClassificationTree.template，但我只看到树深度的最小参数。如何设置上限？

我正在寻找关于n 元Gentle Boost 分类器的资源或实现。

我见过许多 Adaboost 实现，Matlab 的 Ensemble 中 GentleBoost 的一个实现，但它似乎总是二进制的。

WEKA 也只有 AdaBoost 实现，没有 Gentle Boost。

有没有人有任何建议 - 如何获得 n-ary Gentle Boost 实施？- 如果还没有的话，建造一个大约需要多长时间？