adaboost 업데이트 가중치 베타 값

Question

비올라 - 죤스 얼굴 탐지는 강력한 분류 기준을 학습하기 위해 adaboost 방법을 사용했습니다. 나는 베타 PARAM 업데이트 정책으로 혼란 스러워요 :

왜이 같은 베타 값을 선택? 변수 beta을 설정하는 목적은 가중치의 가중치를 높이는 것입니다. 너무 많은 세부 사항에 베타 값을 설명하지 않았다

Answer 1

비올라와 존스에서 용지를하지만 베타 값을 다음과 같이 설정 한 이유를 설명하려고합니다 :에 대한 방법을 선택합니다.

변수 베타 설정의 목적은 특정 약한 분류가 좋은 경우에만 항상 무게를 증가하는 것이 아니라 오히려 감소/무게를 처벌 하지이다 (나는 순간에 좋은 간주되는 설명 할 것이다) 분류기가 나쁜 경우에는 가중치를 높이거나 높입니다. (여기에 가중치는 각 분류 기준의 가중치가 아닌 오류 비율의 가중치이므로 분류 기준이 좋을수록 가중치가 적음)

분명히 정의 할 수있는 다른 방법이있을 수 있습니다. 비올라 및 존스 논문에서는 약 분류기의 오류율이 50 % 미만인 경우 "양호"하거나 그렇지 않은 경우 "불량"이라고하는 매우 간단한 기준이 사용됩니다. 분급 기가 더 좋을수록 (오류율이 작을수록) 체중을 더 높이고 싶습니다. 지금까지 왜 베타 값이 이렇게 선택되었는지에 대한 느낌을 가져야합니다. 오류율 (epsilon_e)이 1/2 이상일 때마다 베타 값이 1보다 커져서 가중치가 올라가고 부통령이 될 것입니다 그 반대.