adaboost是boosting方法多个版本号中最流行的一个版本号，它是通过构建多个弱分类器。通过各个分类器的结果加权之后得到分类结果的。这里构建多个分类器的过程也是有讲究的，通过关注之前构建的分类器错分的那些数据而获得新的分类器。这种多个分类器在训练时非常easy得到收敛。 本文主要介绍了通过单 ...
分类：
编程语言 时间：
2017-06-06 10:54:54
阅读次数：
385
在之前的文章中，分别讲解了Haar特征，强弱分类器组合形式，以及GAB。那么在了解这些内容的基础上，本节开始正式讲解OpenCV Adaboost训练过程。需要再次说明的是，本系列文章讲解的是OpenCV中的opencv_traincascade.exe程序的实现方法，并不代表仅只有此一种实现方法。 ...
分类：
其他好文 时间：
2017-03-17 08:15:56
阅读次数：
2435
本节文章讲解OpenCV中Haar+Adaboost的训练过程。此文章假定读者已经了解前面5章的内容，包括Haar特征，弱分类器和强分类器结构，以及GAB等内容。 在opencv_traincascade.exe程序中，有如下参数 如上输入的boostParams中的6个参数决用于决定训练过程: 1 ...
分类：
其他好文 时间：
2017-03-17 00:29:39
阅读次数：
4550
集成学习是机器学习中一个非常重要且热门的分支，是用多个弱分类器构成一个强分类器，其哲学思想是“三个臭皮匠赛过诸葛亮”。一般的弱分类器可以由决策树，神经网络，贝叶斯分类器，K-近邻等构成。已经有学者理论上证明了集成学习的思想是可以提高分类器的性能的，比如说统计上的原因，计算上的原因以及表示上的原因。集 ...
分类：
其他好文 时间：
2016-12-05 20:17:01
阅读次数：
367
Adaboost原理 Adaboost(AdaptiveBoosting)是一种迭代算法，通过对训练集不断训练弱分类器，然后把这些弱分类器集合起来，构成强分类器。adaboost算法训练的过程中，初始化所有训练样例的具有相同的权值重，在此样本分布下训练出一个弱分类器，针对错分样本加大对其对应的权值， ...
分类：
其他好文 时间：
2016-10-26 20:11:12
阅读次数：
258
在之前的决策树到集成学习里我们说了决策树和集成学习的基本概念（用了adaboost昨晚集成学习的例子），其后我们分别学习了决策树分类原理和adaboost原理和实现， 上两篇我们学习了cart（决策分类树），决策分类树也是决策树的一种，也是很强大的分类器，但是cart的深度太深，我们可以指定cart ...
分类：
其他好文 时间：
2016-10-24 00:03:52
阅读次数：
422
前面我们了解了决策树和adaboost的决策树墩的原理和实现，在adaboost我们看到，用简单的决策树墩的效果也很不错，但是对于更多特征的样本来说，可能需要很多数量的决策树墩 或许我们可以考虑使用更加高级的弱分类器，下面我们看下CART（Classification And Regression ...
分类：
其他好文 时间：
2016-10-19 23:54:30
阅读次数：
304
Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器(强分类器)。其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值。将修改过权值 ...
分类：
其他好文 时间：
2016-10-10 23:49:15
阅读次数：
176
详细分析了弱分类器和强分类器的定义和原理，给出了如何从弱分类器来构造所需要的强分类器，最后从统计数据的角度来分析了为什么Haar特征可以用来分类。
分类：
编程语言 时间：
2016-09-23 13:26:01
阅读次数：
383
引自（机器学习实战） 简单概念 Adaboost是一种弱学习算法到强学习算法，这里的弱和强学习算法，指的当然都是分类器，首先我们需要简单介绍几个概念。 1：弱学习器：在二分情况下弱分类器的错误率会低于50%。其实任意的分类器都可以做为弱分类器，比如之前介绍的KNN、决策树、Naïve Bayes、l ...
分类：
其他好文 时间：
2016-08-03 21:55:09
阅读次数：
244
