adaboost 更新权重 beta 值

Posted 2023-03-16

【中文标题】adaboost 更新权重 beta 值

【英文标题】：adaboost update weights beta value

【发布时间】：2014-12-18 20:15:22

【问题描述】：

Viola-Jones 人脸检测使用 adaboost 方法训练强分类器。我对 beta 参数更新政策感到困惑：

为什么选择这样的 beta 值？设置变量beta的目的是为了增加Weights的权重。如何选择：

【问题讨论】：

请指定epsilon_t是训练误差还是成功率

【参考方案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 值会这样设置。

设置变量 beta 的目的是不是总是增加权重，而是仅当特定的弱分类器是好的分类器时才减少/惩罚权重（我将解释什么被认为是好的一会儿），如果分类器不好，则增加/提高权重。 （注意这里的权重是错误率的权重而不是每个分类器的权重，所以分类器越好，权重应该越小）

显然你可以有不同的方法来定义什么是“好”分类器，但是在 Viola 和 Jones 的论文中使用了一个非常简单的标准，即如果弱分类器的错误率小于 50%，它为“好”，否则为“坏”。分类器越好（错误率越小），我们想要更多地提升权重，反之亦然。到现在为止，你应该已经知道为什么要这样选择 beta 值了——每当错误率 (epsilon_e) 大于 1/2 时，beta 值就会大于 1，因此权重会增加，反之亦然反之亦然。