回答情况：
提问时间：
问题标签：
2回答
我知道AdaBoost使用一组弱分类器，但我不知道这些弱分类器是什么。你能用一个例子给我解释一下吗?如果我必须创建自己的弱分类器，或者我需要使用某种算法，你能告诉我吗？
浏览 0提问于2012-08-24得票数 15
回答已采纳
我一直在尝试理解viola n jones关于人脸检测的论文。在第3节中，我不完全确定这个等式的参数是什么意思我所理解的特征(f)是通过在x的整体图像上运行本文开头解释的5个基本特征中的任何一个而获得的值。
浏览 0修改于2013-11-27得票数 4
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..。
浏览 4修改于2017-04-05得票数 0
回答已采纳
一旦你为Viola Jones人脸检测器训练了一个强大的分类器，你就应该在你的测试图像上运行一个24x24的子窗口。一旦你把它移到屏幕上，你就应该缩放它(论文每次都推荐x1.5 )。
浏览 0提问于2012-12-10得票数 2
回答已采纳
我对AdaBoost如何将每次迭代的弱分类器组合成强分类器有疑问。我使用C4.5算法作为弱分类器算法。对于每一次迭代，它产生不同的决策树和alpha。我如何将这些模型组合成一个强大的分类器。
浏览 2提问于2012-05-21得票数 0
我成功地实现了基于libSVM的分类器(用libSVM)和级联分类器(用opencv)。，所以我转而使用分类器级联(以获得较少的计算时间)。所以我用opencv (opencv_traincascade)训练了许多不同的级联分类器。由于这两种方法的唯一区别是opencv中使用的基分类器(决策树或决策桩，据我所知，无论如何没有支持向量机)，所以我开始认为我的问题可能是基分类器(在某种
浏览 4提问于2015-11-19得票数 2
回答已采纳
使用强(而不是弱，错误率接近随机)的分类器提升的效果是什么？当一个强分类器与一组弱分类器一起使用时，有没有可能一个强分类器本身的表现比这个强分类器在adaboost中的表现更好？
浏览 1提问于2013-07-08得票数 2
回答已采纳
我正在检验我的GradientBoostingClassifier模型的弱估计量。该模型适用于二进制类数据集。
我注意到，该集合分类器下的所有弱估计器都是决策树回归对象。这在我看来很奇怪。我的问题是:梯度增强分类器为什么以及如何将弱估计器转化为不受0和1约束的回归量任务(而不是分类任务)？最终，GradientBoostingClassifier输出0到1之间的伪概率:为什么弱估计的集合不做同样的工
浏览 0提问于2020-10-29得票数 2
回答已采纳
我需要提高决策支持弱分类器。所以每次迭代，我都要根据一定的权重训练弱分类器。然后，我将在每次迭代之后更新权重。到目前为止我已经明白了。但我不清楚的是“基于权重的训练决策残基弱分类器”。因此，弱学习者的决策结果应该是h(x)，而h(X)应该是基于权重的二进制结构。
算法是如何工作的？最后的决定会有哪些特点？
浏览 3提问于2015-07-30得票数 1
回答已采纳
据我所知，Viola-Jones人脸检测中的每个弱分类器都会得到N个训练样本和1个特征。
1)这是否意味着我必须首先检查160k以上的分类器以获得24x24帧，因为有那么多Haar特征？2)每个弱分类器是否在N个训练样本中检查自己的特征？也就是说，使用N个图像中每个图像的分数，并检查积分图像来计算其是否为人脸？
浏览 2提问于2020-05-14得票数 0
我将使用LBP作为弱分类器，使用Adaboost将它们提升为一个强分类器。
我有阳性和阴性样本。它们的大小是18x18像素。我将每张图片划分为9个子区域。在每个块中，我计算每个像素的LBP值。Adaboost期望一个弱分类器，但LBP本身不能对图像进行分类。如何修改Adaboost以从每个块中选择最重要的值？
浏览 3修改于2013-05-21得票数 2
在使用随机林、支持向量机等不同的分类算法时，具有不同的分类精度。所以，我想把所有的算法集成到一个框架中，比如说adaboost。
我们知道adaboost框架使用多个“弱”分类算法来组合一个强分类器。那么，我可以根据自己的需要定制“弱”分类算法吗？以下是我目前的想法:在这个框架中，我首先使用支持向量机。然后给出被错误分类的数据更多的权重。然后，我使用随机森林。..。最后，该框架中的所有分类器都将协同
浏览 0修改于2017-10-05得票数 0
回答已采纳
我一直在尝试使用decision stump作为弱分类器来实现Adaboost，但我不知道如何优先考虑加权未分类实例？
浏览 1提问于2015-05-14得票数 0
我正在为在线版本的weak和AdaBoost算法编写一个程序，我正在使用matlab的NaiveBayes分类器作为弱学习器。因为作为在线学习者，他们应该一次获取一个数据，所以我必须在每个周期更新NaiveBayes分类器，但它没有用于它的方法，我必须将所有数据存储在一个数组中，并每次在孔阵列上调用NaiveBayes.fit(另外，如果有任何其他弱分类器可以研究，请让我知道)
你的，Kourosh
浏览 1提问于2012-01-08得票数 2
我理解监督学习和非监督学习的区别：无监督学习允许分类器“自主学习”，例如使用聚类。
但是什么是“弱监督学习”呢？它如何分类它的例子？
浏览 1修改于2020-10-15得票数 29
回答已采纳
2回答
我想要比较不同分类器的不同错误率与来自弱学习者的错误率(比随机猜测更好)。所以，我的问题是，对于一个简单、容易处理的弱学习者来说，有哪些选择？或者，我对概念的理解不正确，弱学习者仅仅是我选择的任何基准(例如，线性回归)？
浏览 4修改于2014-06-02得票数 25
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号