問題タブ [adaboost]

私は技術者ではなく、画像分類を実装しようとしています。この論文では、ADA Boost アルゴリズムに出会いました。これは、ビデオ キーフレームの「機能のバッグ」ステップの後に実装されました。ADAブーストが何をするのか、そしてその入力と出力は何なのか、誰かが素人の言葉で説明できますか? 誰かが私に同じコードを指摘できますか?

私は機械学習の初心者で、Adaboostの仕組みを理解しようとしています。

Adaboostが弱い*分類子*のセットを使用して強い分類子を作成する方法を説明する多くの記事を読みました。

しかし、「 Adaboostは強力な分類器を作成する」というステートメントを理解するのに問題があるようです。

Adaboostの実装を見て、「実際には」強力な分類子を作成しないことに気付きましたが、テストフェーズでは、「弱い分類子のセットを使用してより正確な結果を取得する方法」を理解しています。強力な分類子「集合的」のように機能します。

したがって、技術的には、単一の強力な分類子は作成されません（ただし、弱い分類子のセットは、集合的に強力な分類子として機能します）。

私が間違っている場合は訂正してください。誰かがこれに関していくつかのコメントを投げることができればいいでしょう。

Adaboostがどのように機能するかについていくつかのドキュメントを読みましたが、それに関していくつか質問があります。

また、Adaboostは、弱い分類器の重み付けとは別に、データから最良の機能を選択し、それらをテストフェーズで使用して分類を効率的に実行することも読みました。

Adaboostはどのようにしてデータから最高の機能を選択しますか？

Adaboostの理解が間違っている場合は、訂正してください。

Viola Jones アルゴリズムの trainingsphase を理解するのに問題があります。

私が理解している限り、アルゴリズムを疑似コードで示します。

これは、この SO の質問のようなフレームです: Viola-Jones の顔検出は 180k の特徴を主張します

このアルゴリズムは、私が理解したと思う HaarFeatureCalc 関数を呼び出します。

今までの間違い？

Viola Jones の学習フェーズでは、基本的にどの機能/検出器が最も決定的であるかを検出します。論文に記載されている AdaBoost の仕組みがわかりません。

質問: この論文の AdaBoost は疑似コードでどのように見えるでしょうか?

Viola Jones メソッドについてはよく読みましたが、Rectangle 機能の「弱い分類子」、「強い分類子」、「サブ ウィンドウ」、およびそれらの定義についてはまだ理解していません。そして、「閾値」はどうですか？しきい値を知るにはどうすればよいですか? 誰でも私を助けることができますか？前にありがとう

ファイル交換から取得したMatlab Weka Interfaceを使用して、相互検証を行っています。私のループ構造は、Weka のロジスティック分類器でうまく機能しているようです。ただし、AdaBoostM1 に対してまったく同じことを実行しようとすると、次のエラーがスローされます。

いくつかのテストを通じて、これはトレーニング セット内のインスタンスの数がテスト セット内のインスタンスの数よりも多い場合にのみ発生することがわかりました。ほとんどの場合、トレーニング セットのサイズはテスト セットのサイズよりも大きいため、これが私にとって問題である理由がわかると思います。

Logistic ではなく Adaboost を使用する場合、入力のフォーマット方法に違いはありますか? この問題に関してあなたが提供できる情報はとても役に立ちます。

このコードをこのページからダウンロードしました: http://www.mathworks.com/matlabcentral/fileexchange/21204-matlab-weka-interface

メールは作成者のアカウントから戻ってきますが、ページのコメントに返信していないようです。

編集:分類子のトレーニングとテストに使用するコードは次のとおりです。

私の学士論文では、テキスト分類問題でMultinomialNaiveBayes分類器とともにAdaBoostM1を使用することになっています。問題は、ほとんどの場合、ブーストせずにM1がMultinomialNaiveBayesよりも悪いか等しいということです。

私は次のコードを使用します：

それで、AdaBoostがどのように結果を改善できないのかわかりませんか？残念ながら、ほとんどの人がAdaBoostに非常に満足しているように見えるため、Web上でそれについて他に何も見つけることができませんでした。

私はデータのバイナリ分類に取り組んでおり、決定木や適応ブースティング アルゴリズムよりもサポート ベクター マシンを使用することの利点と欠点を知りたいです。

AdaBoostが各反復の弱い分類器をどのように組み合わせて強い分類器にするかについて質問があります。弱い分類アルゴリズムとしてC4.5アルゴリズムを使用します。そして、反復ごとに、異なる決定木とアルファを生成しました。これらのモデルを1つの強力な分類器に組み合わせるにはどうすればよいですか。アルゴリズムでは、それらを組み合わせるために、adaboostは式alpha*hyphotesisを使用すると言われています。それらをその式とどのように組み合わせることができますか？

ある場所の交通量が多いか少ないかを予測できる交通量予測に取り組んでいます。各交通量を 1 ～ 5 に分類しました。1 が最も交通量が少なく、5 が最も多い交通量です。

この Web サイトhttp://www.waset.org/journals/waset/v25/v25-36.pdf 、AdaBoost アルゴリズムに出くわしましたが、このアルゴリズムを学ぶのに本当に苦労しています。特にS集合 (( xi, yi), i=(1,2,…,m)) の部分。どこでY={-1,+1}。xとy定数は何Lですか？の値はL何ですか?

誰かがこのアルゴリズムを説明できますか? :)