adaboost训练之经验总结

        利用adaboost训练的分类器做了几个项目（当然在实际应用过程中，我对adaboos的源码做了优化和改善，同时我也用了深度学习--caffe做了类似的工作，综合权衡算法检测率、算法效率，在项目中采用的还是adaboost，后期我会花大量时间对caffe改进、优化）， 以下纯为训练前要注意的事项。

0、训练前，正样本尺寸的选择很重要。

1、训练时正样本的设置：越多越好，但是要考虑训练机器的内存。在训练前，正样本设置的通用公式为：posNum+numStages*[（1-minHitRate）*posNum +50~300]<total_posNum,.因此要引起注意。
   A、原因：每完成训练一层后，即将开始的那一层将从numStages*[（1-minHitRate）*posNum +300~600]个正样本中选取设定的（训练前就设定）正样本中数量。
   B、后果：如果不注意正样本的的设定公式，分类器很可能训练不到你设定的阶数。
   C、举例： 训练时屏幕会有该层的信息行：POS cout ：consumed 110000:123188，意即是从123188个正样本中选取110000个正样本来训练。如果想训练到30层，但总正样本个数是150000，而训练开始前参数设定为130000，minHitRate为0.99，那铁定训练不到20层。因