Machine learning 关于adaboost算法_Machine Learning_Classification_Traffic_Prediction_Adaboost

Machine learning 关于adaboost算法

machine-learning

Machine learning 关于adaboost算法,machine-learning,classification,traffic,prediction,adaboost,Machine Learning,Classification,Traffic,Prediction,Adaboost,我正在做一个交通流量预测，我可以预测一个地方的交通量是大还是小。我已将每个流量分类为1-5，1为最轻流量，5为最重流量我看到了这个网站，AdaBoost算法，我真的很难学习这个算法。特别是在S是集合的部分（xi，yi），i=（1,2，…，m））。其中Y={-1，+1}。什么是x，y和常量L？L的值是多少有人能给我解释一下这个算法吗？：） S={（x1，y1），…，（xm，ym）}：每个（x，y）对都是用于训练（或测试）分类器的样本： x=描述此特定样本的功能，例如列出道路上车辆数量的值，

我正在做一个交通流量预测，我可以预测一个地方的交通量是大还是小。我已将每个流量分类为1-5，1为最轻流量，5为最重流量

我看到了这个网站，AdaBoost算法，我真的很难学习这个算法。特别是在

是集合的部分（

xi

，

yi

），

i=（1,2，…，m）

）。其中

Y={-1，+1}

。什么是

，

和常量

？

的值是多少

有人能给我解释一下这个算法吗？：）

S={（x1，y1），…，（xm，ym）}

：每个

（x，y）

对都是用于训练（或测试）分类器的样本：

```
x
```
=描述此特定样本的功能，例如列出道路上
```
车辆数量的值
```
，
```
一周中的某一天
```
，等等
```
y
```
=特定
```
x
```
的标签，在您的情况下可以是
```
1、2、3、4或5
```

论文中的

表1

显示了他们使用的

功能，即：

DAY

，

TIME

，

INT

，

DET

，

LINK

，

POS

，

GRE

，

DIS

，

VOL

和

OCC

。表的最后一列显示标签（

），它们将标签设置为

或

-1

（即

yes

或

no

）。表中每行为一个样本

是AdaBoost训练弱学习者的轮数（在论文中，

Random Forests

被用作弱分类器）。如果将

设置为

，则AdaBoost将运行1轮，并且只训练1个弱分类器，这将产生不良结果。使用不同的

值执行多个实验，以找到最佳值（即，当AdaBoost收敛或开始过度拟合时）