本文详细介绍了Adaboost算法，这是一种提升弱分类器为强分类器的方法。首先，通过初始化训练样本权重，接着迭代训练弱分类器，并根据错误率调整权重。最后，组合弱分类器生成最终的强分类器。文中还提供了Adaboost的Python实现，并提及了OpenCV鼠标控件在手动样本获取中的应用。
前言：
本来上一章的结尾提到，准备写写线性分类的问题，文章都已经写得差不多了，但是突然听说最近Team准备做一套分布式的分类器，可能会使用Random Forest来做，下了几篇论文看了看，简单的random forest还比较容易弄懂，复杂一点的还会与boosting等算法结合（参见iccv09），对于boosting也不甚了解，所以临时抱佛脚的看了看。说起boosting，强哥之前实现过一套Gradient Boost
订阅专栏 解锁全文
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
