关于adaboost算法

Question

我正在做一个交通流量预测，我可以预测一个地方有很重或很轻的交通。我已将每个流量分类为1-5个，其中1个是最轻的流量，另外5个是最重的流量。

我遇到了这个网站http://www.waset.org/journals/waset/v25/v25-36.pdf，AdaBoost算法，我真的很难学习这个算法。 特别在S是集合（（xi,yi），i=(1,2,…,m)）的部分。其中Y={-1,+1}。什么是x,y和常数L？ L的价值是多少？

有人可以解释我这个算法吗？ :)

Answer 1

S={(x1,y1),...,(xm,ym)}

：每(x,y)对是用于训练（或测试）样品的分类：

• x =它们描述该特定样品，其中列出amount of cars on the road，day of the week示例值的特征，等
• y =特定x，所述的标签而你的情况可以是1, 2, 3, 4 or 5

Table 1在纸显示他们使用，即x特征：DAY，TIME，INT，DET，LINK，POS，GRE，DIS，VOL和OCC。该表的最后一列显示标签（y），它们设置为1或-1（即，yes或no）。表中的每一行都是1个样本。

L是AdaBoost训练弱学习者的回合数量（文中使用Random Forests作为弱分类器）。如果你设置L为1那么AdaBoost将运行1轮，只有1个弱分类器将被训练，这将会有不好的结果。对L执行多个不同值的实验以找到最佳值（即，当AdaBoost收敛或开始过度拟合时）。