adaboost更新权重beta值

Question

Viola-Jones人脸检测采用adaboost方法训练强大的分类器。我对beta param更新政策感到困惑：

为什么选择像这样的beta值？设置变量beta的目的是增加权重的权重。怎么样选择：

Answer 1

Viola和Jones的论文没有详细解释beta值，但我会尝试解释为什么beta值设置如此。

设置变量beta的目的是 NOT 以始终增加权重，而是仅在特定的弱分类器是好的时才减少/惩罚权重（我将解释什么是好的）在片刻中）并且如果分类器是坏的则增加/增加重量。 （请记住，此处的权重是错误率的权重，而不是每个分类器的权重，因此分类器越好，应该的权重越小）

显然，你可以通过不同的方式来定义什么是好的＆＃34;分类器，但在Viola和Jones论文中使用了一个非常简单的标准，也就是说，如果弱分类器的错误率小于50％，则它是好的＆＃34;否则它是＆＃34;坏＆＃34 ;.分类器越好（错误率越小），我们希望增加重量，反之亦然。到目前为止，您应该感觉为什么以这种方式选择β值 - 每当错误率（epsilon_e）大于1/2时，β值将大于1，因此权重将被提升和副反之亦然。