在我转载的其它的两篇文章里。有对cvCreateMTStumpClassifier的具体介绍，各自是http://blog.csdn.net/ding977921830/article/details/46356789和http://blog.csdn.net/ding977921830/article/details/46412465。可是我还是看了好多遍才梳理出一个头绪，现总结例如以下：
（1）估计算出全部特征对训练样本特征存储在valCache中。经过排序后，存储在idxCache；
（2）对特征分组，每组数量为portion；
（3）对于每一个特征，也就是上面idxCache的每一行，利用宏ICV_DEF_FIND_STUMP_THRESHOLD( suffix, type, error ) 计算最佳阈值。衡量标准是不纯度（entropy，gini，misclasification。残差平方和）。
（4）最后的一个do-while循环。就是用来跳过和当前结点同样的特征值。尽管以兴许的、同样的值作为结点划分左右子树，残差平方和可能会改变，可是决策树划分的最小单位是特征值的种类。由于在利用决策树进行分类的时候，必须对同样的特征值做出一样的决策（该划入左子树还是该划入右子树）。