如何在 OpenCV 和 SciKit-learn 中实现等效版本的 Adaboost？

【问题标题】：How to implement an equivalent version of Adaboost in OpenCV and SciKit-learn?如何在 OpenCV 和 SciKit-learn 中实现等效版本的 Adaboost？
【发布时间】：2017-06-03 05:03:48
【问题描述】：

基本上，我在 C++ (OpenCV) 中有以下内容：

CvMLData cvml ...

CvBoost boost;
boost.train(&cvml, CvBoostParams(CvBoost::REAL, 1000, 0, 1, false, 0), false);

以及 Python 中的以下内容（SciKit-learn）：

bdt = AdaBoostClassifier(DecisionTreeClassifier(max_depth=1),
                         #algorithm="SAMME.R",
                         n_estimators=1000)
bdt.fit(X_train, y_train)

如何使它们相似（或等效）？

现在，OpenCV 的测试错误率很低（ 40%，所以几乎是随机的）

【问题讨论】：

标签： opencv machine-learning scikit-learn computer-vision adaboost

【解决方案1】：

adaboost 和决策树都有几个参数，这些参数会极大地影响最终结果。要获得相似的分类器，您应该使用相似的参数 - 例如，在您的 C++ 代码中，您使用 1000 个弱估计器，而在 Python 代码中使用 100 个。

查看 adaboost 和决策树的两种实现之间的差异，并尝试更改参数以尽可能匹配。

此外，如果您的目标是降低测试错误并且不一定要获得两个等效的分类器，您可以简单地优化您的首选分类器，而不是让它们完全对齐。

【讨论】：

对不起，这是我的示例中的错字，在我的代码中也是如此。我试图在两个分类器中放置相同的参数，并且我已经阅读了这样做的文档；到目前为止，一切似乎都匹配。