adaboost更新权重β值

Question

Viola人脸检测采用adaboost方法训练强分类器.我对beta param更新策略感到困惑：

​

​

为什么要选择这样的贝塔值？设置变量beta的目的是增加权重。不如选择：

​

​

Answer 1

Viola和Jones的论文没有详细解释beta值，但我将尝试解释为什么beta值是这样设置的。

设置变量β的目的是而不是总是增加权重，而是只有当特定的弱分类器是好的时候才会减少/惩罚权重(稍后我会解释什么是好的)，如果分类器是坏的，则增加/增加权重。(请记住，这里的权重是错误率的权重，而不是每个分类器的权重，所以分类器越好，权重就越小)

显然，你可以有不同的方法来定义什么是“好的”分类器，但是在Viola和Jones的论文中使用了一个非常简单的标准，即如果弱分类器的错误率小于50%，它就是“好”，否则就是“坏”。分类器越好(错误率越小)，我们希望增加更多的权重，反之亦然。到目前为止，您应该对为什么采用这种方式选择beta值有一种感觉--每当错误率(Epsilon_e)大于1/2时，beta值将大于1，从而增加权重，反之亦然。