机器学习-分类器-adaboost原理

Adaboost原理

          Adaboost(AdaptiveBoosting)是一种迭代算法，通过对训练集不断训练弱分类器，然后把这些弱分类器集合起来，构成强分类器。adaboost算法训练的过程中，初始化所有训练样例的具有相同的权值重，在此样本分布下训练出一个弱分类器，针对错分样本加大对其对应的权值，分类正确的样本降低其权值，使前一步被错分的样本得到突显，获得新的样本分布，在新的样本分布下，再次对样本进行训练，又得到一个分类器。依次循环，得到T个分类器，将这些分类器按照一定的权值组合，得到最终的强分类器。训练的关键是针对比较难分的训练样本，在联合弱分类器时，使用加权投票，这样分类效果好的弱分类器得到较大的权重，分类效果差的则权值较小。Adaboost方法是经过调整的boosting算法，能够对弱学习得到的弱分类器的错误率进行适应性调整， 相对boosting算法，Adaboost方法使用加权后选取的训练数据代替随机选取的训练样本，训练的焦点集中在比较难分的训练数据样本上；在联合弱分类器联合时，使用加权的投票机制代替平均投票机制。让分类效果好的弱分类器具有较大的权重，而分类效果差的分类器具有较小的权重。

Adaboost算法的具体过程

1.初始化所有训练样例的权重为1 / N,其中N是样例数

         2.for m=1,……M:

               a).训练弱分类器ym()，使其最小化权重误差函数（weighted error function）：

               b)接下来计算该弱分类器的话语权α：

               c)更新权重：

                             其中Zm：

                             是规范化因子，使所有w的和为1。(这里公式稍微有点乱)

             3.得到最后的分类器：

Adaboos的过程可以用如下结构表示：

最后的分类器YM是由数个弱分类器（weak classifier）组合而成的,相当于最后m个弱分类器来投票决定分类，而且每个而且每个弱分类器的“话语权”α不一样。

　　上述迭代算法中，每一次循环根据当前的权重分布对样本x定一个分布P，然后对这个分布下的样本使用弱学习算法得到弱分类器，而这个错误率的上限并不需要事先知道。每 一次迭代，都要对权重进行更新。更新的规则是：减小弱分类器分类效果较好的数据的概率，增大弱分类器分类效果较差的数据的概率。最终的分类器是个弱分类器的加权平均。

 adaboost在目标检测中的应用

        在实际应用中，adaboost基本上可以训练任何想要检测的目标比如车辆、人脸、字符、商标、建筑物等等，收集正负样本，正样本为所训练的目标,比如下图中车辆、字符、人脸等目标已经切分好的目标。

负样本可以为图像中未包含正样本的任意图像。分类器训练方法可以按照http://www.cnblogs.com/whowhoha/p/5623483.html 的方法训练分类器，训练完成后，导入分类器（openCv中为xml文件）参数对图像进行扫描检测，将扫描的多个候选框合并即可得到最终的目标位置。

另外：训练分类器参数设置示例及训练过程中的参数设置方法说明

训练级联Adaboost参数如下:

numPos: 9000 

numNeg: 28000 

numStages: 18

precalcValBufSize[Mb] : 1000

precalcIdxBufSize[Mb] : 1000

stageType: BOOST

featureType: HARR

sampleWidth: 24

sampleHeight: 24

boostType: DAB

minHitRate: 0.95

maxFalseAlarmRate: 0.65

weightTrimRate: 0.97

maxDepth: 1

maxWeakCount: 100

1 正负样本比例问题：比例大约1:3的样子比较好，1:3或者1:4训练出来的分类器要优于1:1或者1:9，原因是正负样本比例接近时，对负样本的命中程度低（实际中负样本肯定远远多于正样本），正负样本比例较大（比如1:9）时，重视负样本的统计特性而忽略了正样本的统计特性，造成正样本权重总和小，当权重小于一定程度的时候可能很大一部分正样本都不参与训练了(在weightTrimRate=0.95时)。

2 minHitRate：分类器的每一级希望得到的最小检测率。总的检测率大约为minHitRate ^ numStages。影响每个强分类器阈值，当设置为0.95时如果正训练样本个数为12000个，那么其中的600个就很可能被判别为负样本，第二次选择的时候必须多选择后面的600个，按照这种规律我们为后面的每级多增加numPos*minHitRate个正样本，根据训练的级数可以得到如下公式

numPos+（numStages-1）*numPos*（1-minHitRate），即需要准备的训练正样本个数

3 maxFalseAlarm：分类器的每一级希望得到的最大误检率。总的误检率大约为maxFalseAlarm ^ numStages，.影响每个强分类器中弱分类器的个数，设置较大，每级可以滤除负样本的比例就较小，这样在测试过程中虚警率就较高；设置较小，每级强分类器中弱分类器的个数就较多，检测时间就会相对要长，在可以接受的检测时间下尽量降低maxFalseAlarm是我们要追求的目标

关于负样本的选择，因为每级剩下的负样本个数低于numNeg*maxFalseAlarm，在第二轮选择的时候从之前选择的负样本后面继续选择，而不是重头开始将选择过的负样本也包含进来，只有当遍历完一遍负样本列表后才重头在扫描一遍

4 weightTrimRate：影响参与训练的样本（不管是正样本还是负样本），当更新完样本权重之后，将样本权重按照从小到大的顺序排列，从后面开始累加样本权重大于weightTrimRate时，前面的样本就不参与后面的训练了

5 maxWeakCount：决定每级强分类器中弱分类器的最大个数，当FA降不到指定的maxFalseAlarm时可以通过指定最大弱分类器个数停止单个强分类器。

6 boost参数(maxDepth、bt)：影响决策树构建的法则以及权重更新策略

本文来源：http://www.cnblogs.com/whowhoha/p/5623977.html