如何在OpenCV和SciKit学习中实现Adaboost的等效版本

Question

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学习)：

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，我在OpenCV中得到了一个低测试错误(<10%)，在SciKit Learn中得到了高测试错误(>40%，所以几乎是随机的)

Answer 1

adaboost和决策树都有几个参数，这些参数会对最终结果产生很大影响。为了获得类似的分类器，你应该使用类似的参数——例如，在C++代码中，你使用了1000个弱估计器，而在python代码中使用了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，如果你的目标是降低测试错误，而不一定得到两个等效的分类器，你可以简单地优化你喜欢的分类器，而不是让它们完全对齐。