如何使用AdaBoost进行功能选择？

Question

我想使用AdaBoost从大量(~100 k)中选择一个很好的集合特性。AdaBoost的工作方式是迭代特性集，并根据它们的预置效果添加特性。它选择对现有特征集错误分类的样本进行良好预成形的特征。

我目前使用的开放简历的CvBoost。我得到了一个示例工作，但是从文档中还不清楚如何提取它所使用的特性索引。

使用CvBoost (第三方库)或自己实现它，如何使用AdaBoot从大型功能集中提取一组特性？

Answer 1

声明:我不是opencv的用户。从文档中看，opencv的adaboost是使用决策树 (分类树或回归树)作为基础弱学习者。

在我看来这是通往让下划线弱的学习者的路

CvBoost::get_weak_predictors
Returns the sequence of weak tree classifiers.

C++: CvSeq* CvBoost::get_weak_predictors()
The method returns the sequence of weak classifiers. 
Each element of the sequence is a pointer to the CvBoostTree class or 
to some of its derivatives.

一旦您能够访问CvBoostTree*序列，您应该能够检查树中包含哪些特性，以及拆分值等。

如果每一棵树只是一个决策树，那么每个弱学习者都只包含一个特征。但是，如果我们让树的深度更深，那么每个弱学习者都可能会有不同的特征组合。

我进一步查看了CvBoostTree 班级；不幸的是，该类本身并没有提供一个公共方法来检查所使用的内部特性。但是您可能想要创建您自己的子类，继承从CvBoostTree继承，并公开任何功能。

Answer 2

在@greeness答案的帮助下，我创建了一个CvBoost子类

std::vector<int> RSCvBoost::getFeatureIndexes() {

    CvSeqReader reader;
    cvStartReadSeq( weak, &reader );
    cvSetSeqReaderPos( &reader, 0 );

    std::vector<int> featureIndexes;

    int weak_count = weak->total;
    for( int i = 0; i < weak_count; i++ ) {
        CvBoostTree* wtree;
        CV_READ_SEQ_ELEM( wtree, reader );

        const CvDTreeNode* node = wtree->get_root();
        CvDTreeSplit* split = node->split;
        const int index = split->condensed_idx;

        // Only add features that are not already added
        if (std::find(featureIndexes.begin(),
                      featureIndexes.end(),
                      index) == featureIndexes.end()) {

            featureIndexes.push_back(index);
        }

    }

    return featureIndexes;
}