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。
举一反三
- 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。
- 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
- 在美國運動醫學的指引中建議肺部復健運動中的耐力訓練概念不包括? A: 低強度訓練(<50%最大工作量) B: 每週3~5次 C: 每次20~60分鐘 D: 高強度訓練(>60%最大工作量)
- 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）
- 下列何者非肺部復健的內容? A: 急性發作的處置 B: 運動訓練 C: 教育 D: 診斷