c++ - 如何使用 AdaBoost 进行特征选择？

Question

我想使用 AdaBoost 从大量(~100k)中选择一组好的特征。 AdaBoost 的工作原理是遍历特征集并根据它们的执行情况添加特征。它选择在被现有特征集错误分类的样本上表现良好的特征。

我目前在 Open CV 的 CvBoost 中使用。我有一个 example working , 但来自 documentation目前尚不清楚如何提取它使用过的特征索引。

使用第 3 方库 CvBoost 或自己实现它，如何使用 AdaBoot 从大型功能集中提取一组功能？

Answer 1

在@greeness 回答的帮助下，我创建了 CvBoost 的子类

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;
}