如何确定ada boost中弱分类器的数目

Question

我想问一个问题:在ada boost分类算法中，您正常使用了多少弱分类器。例如，如果我有一些特征，比如像haris，hog，sift之类的特征检测器获得的8000个特征，我通常如何确定这些特征的弱分类器的数量。对于每种类型的特征，我都考虑使用1种弱分类器，并以这种方式进行加权和。恐怕它太合适了..。

Answer 1

为了满足我的发现，弱学习的最大数量可以等于最大的特征数，最小的数目可以通过实验确定，或者您可以尝试AdrienNK建议。

Answer 2

要获得模型的参数，您应该进行交叉验证。

如果您的数据库的大小允许它(您有足够的样本)，您可以分割您的学习集，以获得一个验证集。交叉验证的工作方式是这样的:你只学习到学习集的75%，然后把分数测试到剩下的25%。然后，对参数的不同值进行处理，并选择导致最高分数的值。

如果您的数据库大小不允许，您可以进行k-折叠交叉验证(我这里不解释，但您可以查阅维基百科)。

Scikit--学习实现了一个叫做网格搜索的工具，如果你给它提供正确的东西，它将“自动”完成。

search.html