首先都知道Adaboost分类器是由弱分类器组成的强分类器,那么弱分类器是如何来的呢?
再举如何训练出一个弱分类器的例子,先要知道对于每个Haar-like特征(大小和种类确定),只能训练出一个分类器(hj)。
在训练过程中,通过迭代训练,通过迭代训练,每次训练都会给每个训练样本分配一个权重,根据当前训练集的加权误差率来更新样本权重,使得误差率较大的样本权重变大,误差率较小的样本权重变小。接着,基于更新后的样本权重训练下一个弱分类器,直到弱分类器数量达到预定值或者误差率小于给定阈值为止。这样迭代出一组由一个特征训练出来的弱分类器。
最后选择表现最好的弱分类器进行组合,表现最好的也就是分类误差最小。
这是一个弱分类器的训练如此迭代训练出N个弱分类器,这些都是在各自特征下训练出来的一组分类器中最优的那个,然后N个最优组成一个强分类器。
当你正负样本足够多的时候假设有1000个正样本,其中500个会训练出一个强分类器,另外500个会训练另一个强分类器