我想使用AdaBoost从大量特征（约10万个）中选择一组好的特征。AdaBoost通过迭代特征集并根据它们的表现添加特征来工作。它选择那些在现有特征集误分类样本上表现良好的特征。
我目前在使用OpenCV的CvBoost。我已经运行了一个示例，但从文档中看，不清楚如何提取它所使用的特征索引。
使用CvBoost、第三方库或自己实现，如何从大型特征集中使用AdaBoost提取一组特征？
回答：
声明：我不是OpenCV的用户。从文档来看，OpenCV的AdaBoost使用决策树（分类树或回归树）作为基本的弱学习器。
在我看来，这是获取底层弱学习器的方法：
CvBoost::get_weak_predictors返回弱树分类器的序列。C++: CvSeq* CvBoost::get_weak_predictors()该方法返回弱分类器的序列。序列的每个元素都是指向CvBoostTree类或其派生类之一的指针。一旦你访问到CvBoostTree*的序列，你应该能够检查树中包含哪些特征以及分裂值等信息。
如果每棵树只是一个决策树桩，那么每个弱学习器中只包含一个特征。但如果我们允许树的深度更深，每个独立的弱学习器中可能存在特征的组合。
我进一步查看了CvBoostTree的类；不幸的是，该类本身没有提供公共方法来检查内部使用的特征。但你可能想要创建一个从CvBoostTree继承的子类，并暴露所需的功能。
