algorithm - 向非技术人员解释 AdaBoost 算法

Question

我一直在努力理解 AdaBoost algorithm没有太大的成功。我正在努力理解 Viola Jones paper on Face Detection举个例子。

您能否用通俗易懂的语言解释 AdaBoost 并提供何时使用它的好例子？

Answer 1

Adaboost 是一种将性能较差的分类器(也称为弱学习器)组合成性能更高的更大分类器的算法。

它是如何工作的？以非常简单的方式:

1. 训练弱学习器。
2. 将其添加到目前训练的弱学习器集合中(具有最佳权重)
3. 提高仍未分类的样本的重要性。
4. 转到 1。

幕后有一个广泛而详细的理论，但直觉就是:让每个“愚蠢”的分类器专注于以前的分类器无法修复的错误。

AdaBoost 是机器学习社区中最常用的算法之一。特别是，当您知道如何创建简单的分类器(可能有许多不同的分类器，使用不同的特征)并且您希望以最佳方式组合它们时，它会很有用。

在 Viola 和 Jones 中，每种不同类型的弱学习器都与您可以拥有的 4 种或 5 种不同的 Haar 特征之一相关联。