以Adaboost為主的行人偵測分類器訓練過程，要訓練出表現優良的分類器，正樣本和負樣本的蒐集都很重要。
举一反三
- Adaboost演算法是透過不斷的訓練，對每回合訓練錯誤的樣本進行權重調整，最後得出一個分辨訓練樣本類型物件的分類器。
- 針對感知器描述，何者敘述為真？（） A: 是一種訓練分類器的算法 B: 利用被誤分類的數據調整現有分類器的參數，使調整後的分類器判斷更加準確 C: 感知器的學習算法就是不斷減少對數據誤分類的過程 D: 感知器的損失函數是在整個訓練數據集上求得的 E: 以上皆是
- 從訓詁學的角度把下列四句訓釋分成兩類，並指出這兩類分別屬於詞語訓釋的哪一類?A.反“正”為“乏”。B.政者，正也。C.癢者，養也。D.校者，教也。
- Adaboost 分類方法常採用Haar feature來做為分類之特徵值。
- 訓練一個模型的時候，我們會把擁有的資料庫分成哪三個部分？（） A: 正交集 （orthogonal set） B: 訓練集（training set） C: 驗證集（validation set） D: 平行集（parallel set） E: 測試集（testing set）