一、强分类器训练过程

算法原理如下（参考自VIOLA P, JONES M. Robust real time object detection[A] . 8th IEEE International Conference on Computer Vision[C] . Vancouver , 2001.）

• 给定样本 (x1; y1) , . . . , (xn; yn) ; 其中yi = 0表示负样本，yi =1表示正样本；
• 初始化权重：负样本权重W0i= 1/2m， 正样本权重W1i = 1/ 2l，其中m为负样本总数，l为正样本总数；
• 对于t = 1, … T(T为训练次数):
  1. 权重归一化，简单说就是使本轮所有样本的权重的和为1；
  2. 根据每一个特征训练简单分类器，仅使用一个特征；
  3. 从所有简单分类器中选出一个分错率最低的分类器，为弱分类器；
  4. 更新权重

• 最后组合T个弱分类器为强分类器

二、代码实现及说明（python）

目的：训练得到一个强分类器，该强分类器分错率低于预设值，且该强分类器由若干个弱分类器（对应单个特征）组成，通过若干个分类器及其权重计算得到的值对样本进行分类。

def adaBoostTrainDS(dataArr,classLabels,numIt=40): 
    weakClassArr = [] #存放强分类器的所有弱分类器信息
    m = shape(dataArr)[0] 
    D = mat(ones((m,1))/m)   #权重初始化
    aggClassEst = mat(zeros((m,1)))
    for i in range(numIt):
        bestStump,error,classEst = buildStump(dataArr,classLabels,D)#根据训练样本、权重得到一个弱分类器

        print "D:",D.T
        alpha = float(0.5*log((1.0-error)/max(error,1e-16)))#计算alpha值，该值与分错率相关，分错率越小，该值越大，弱分类器权重
                                                            #max(error,1e-16)用于确保错误为0时不会发生除0溢出
        bestStump[\'alpha\'] = alpha  
        weakClassArr.append(bestStump)  #存储该弱分类
        print "classEst: ",classEst.T
        expon = multiply(-1*alpha*mat(classLabels).T,classEst) 
        D = multiply(D,exp(expon))  #重新计算样本权重
        D = D/D.sum() #归一化
        #计算当前强分类器的分错率，达到预期要求即停止
        aggClassEst += alpha*classEst
        print "aggClassEst: ",aggClassEst.T
        aggErrors = multiply(sign(aggClassEst) != mat(classLabels).T,ones((m,1))) #计算数据点哪个是错误
        print \'aggErrors: \',sign(aggClassEst) != mat(classLabels).T
        print \'aggErrors: \',aggErrors
        errorRate = aggErrors.sum()/m #计算错误率
        print "total error: ",errorRate
        if errorRate == 0.0: break
    return weakClassArr

三、运行结果

训练样本：

    datMat = matrix([[ 1. ,  2.1,  0.3],
                                 [ 2. ,  1.1,  0.4],
                                 [ 1.3,  1. ,  1.2],
                                 [ 1. ,  1. ,  1.1],
                                 [ 2. ,  1. ,  1.3],
                                 [ 7. ,  2. ,  0.35]])
    classLabels = [1.0, 1.0, 1.0, -1.0, -1.0, -1.0]

训练得到的强分类器（强分类器分错率：0%，单个弱分类器最小分错率为33%，在上一篇已经测试过）：

[{\’dim\’: 0, \’ineq\’: \’gt\’, \’thresh\’: 1.6000000000000001, \’alpha\’: 0.34657359027997275},

{\’dim\’: 1, \’ineq\’: \’lt\’, \’thresh\’: 1.0, \’alpha\’: 0.5493061443340549},

{\’dim\’: 0, \’ineq\’: \’gt\’, \’thresh\’: 2.2000000000000002, \’alpha\’: 0.5493061443340549},

{\’dim\’: 2, \’ineq\’: \’gt\’, \’thresh\’: 0.29999999999999999, \’alpha\’: 0.4777557225137181},

{\’dim\’: 0, \’ineq\’: \’lt\’, \’thresh\’: 1.0, \’alpha\’: 0.49926441505556346}]

手动计算分类：

针对第一个样本[ 1. ,  2.1, 
0.3]，利用强分类器计算结果如下：
– 0.34657359027997275

– 0.5493061443340549

–
0.5493061443340549

+
0.4777557225137181

+
0.49926441505556346

= -0.468165741378801—>小于0，正样本

针对第六个样本[
7. ,  2. ,  0.35]，利用强分类器计算结果如下：
+ 0.34657359027997275

– 0.5493061443340549

+
0.5493061443340549

+
0.4777557225137181

–
0.49926441505556346

= +0.3250648977381274—>大于0，负样本

其它样本的计算类似

结论：

强分类器分类，即通过若干个分类器的权重的正负号计算得出，而正负号是通过该若分类器的阈值判断得到；

强分类器比弱分类器准确率高。