Machine learning 阈值弱分类器

我正在尝试使用AdaBoost Viola&Jones构建一个强大的分类器。我知道什么是弱分类器，但我没有找到指定每个弱分类器的阈值teta和奇偶校验p的方法。

---

有人能告诉或解释我是如何做到这一点的吗？

我做了一些研究，我发现

在viola-Jones的原始论文第3.1节学习讨论（准确地说是第4段）中，您将了解找到最佳阈值的程序

我将在下面快速总结这个方法

每个特征的最佳阈值取决于样本权重，因此在adaboost的每次迭代中计算。最佳弱分类器的阈值保存在伪代码中

在每一轮中，对于每个弱分类器，必须根据特征值排列N个训练样本。设置阈值将此序列分为两部分。这两部分都将有大多数阳性或阴性样本，以及其他类型的少数样本

T+：正样本权重的总和 T-：负样本权重的总和 S+：低于阈值的正样本权重之和 S-：低于阈值的负样本权重之和 此特定阈值的错误为- e=最小值（（S+）+（T-）-（S-），（S-）+（T+）-（S+） 您可以计算所有N种分离样本的可能方法的此误差。 最小误差将给出阈值的范围。 问题： 1.我不明白这个“最小错误将给出阈值的范围。”
2.如果我找到阈值，我如何使用最小误差来确定弱分类器的奇偶性