关于Adaboos选择最优弱分类器过程的理解

特征的设计在此不做解释，随着研究的深入，很多学者丰富和改善了以前的那些特征，最原始的矩形特征为例：

所谓的弱分类器其实是由特征f、阈值theta和一个决定不等号方向的p所决定的在此先不考虑p，简单谈谈我理解中的选择最优弱分类器的过程。

在上述的特征中，第一中的特征值就是两个矩形的像素值之差，那么对于很多个训练样本，比如说现在有200幅正例图像，1000幅负例图像，那么在这些图像的相同的某个位置，计算得到每一幅图像上的特征值，并做好相应的标签，那么每一个特征都会对应一个弱分类器，那么这个弱分类器的阈值是怎么确定的呢？

将这个特征所计算出来的每一幅图像上的特征值进行排序，比如

1        2              3                   4                   5                   6                        7                             8

正     负           正                   正                   正              负                       正                            负

现在需要学习一个阈值，那么这个特征值阈值theta，如果特征值大于theta，我假定为正例，小于的我就判断为负例。因为训练样本都是有标签的，就是我事先知道那个是正例，那个是负例。如上面标示的，特征值是2的是负例&#