我想了解Adaboost算法，但我有一些麻烦。在阅读了关于Adaboost之后，我意识到它是一种分类算法（不知何故像神经网络）。但我不知道如何选择弱分类器（我认为它们是面部检测的类似哈尔特征）以及最终如何使用最终强分类器的H结果。我的意思是，如果我找到了alpha值并计算了H，我将如何从中获益，作为新图像的值（一或零）。请问有一个例子以完美的方式描述它吗？我找到了大多数adaboost教程中的加号和减号示例，但我不知道如何选择hi以及如何在脸部检测中采用相同的概念。我读过很多论文，但我有很多想法，但直到现在我的想法都没有得到很好的安排。 感谢....
答案 0 :(得分：2)
Adaboost是分类算法，它使用弱分类器（任何提供超过50％正确结果的东西，优于随机）。最后将它们组合在一个强大的分类器中。
训练阶段找到计算H（最终结果）的α变量
H = Sigma（alpha（i）* h（i））使得h（i）对于两类问题为1或0。
似乎H是所有弱特征的加权和，所以当我们有一个新的输入（之前没见过）时，我们应用弱分类器h（i）并将它们与我们从训练阶段得到的正确alphas相乘得到一个或零。
有关更多说明，请参阅gigapeida.com网站上的“数据挖掘中的十大算法”一书。