我正在进行交通流量预测，目的是预测某个地点的交通是繁忙还是畅通。我将交通流量分为1到5级，其中1级表示交通最畅通，5级表示交通最繁忙。

我在这个网站http://www.waset.org/journals/waset/v25/v25-36.pdf上了解到AdaBoost算法，我在学习这个算法时遇到了很多困难。特别是在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的值是多少？

有人能解释一下这个算法吗？:)

回答：

S={(x1,y1),...,(xm,ym)}：每个(x,y)对都是用于训练（或测试）你的分类器的样本：

• x = 描述这个特定样本的特征，例如列出道路上的车辆数量、星期几等的值
• y = 特定x的标签，在你的情况下可以是1, 2, 3, 4 或 5

论文中的表1展示了他们使用的x特征，即：DAY、TIME、INT、DET、LINK、POS、GRE、DIS、VOL和OCC。表格的最后一列显示了标签(y)，他们将其设置为1或-1（即是或否）。表格中的每一行都是一个样本。

L是AdaBoost训练弱学习器的轮数（论文中使用随机森林作为弱分类器）。如果你将L设置为1，那么AdaBoost将运行1轮，只训练一个弱分类器，结果会很差。进行多次实验，使用不同的L值来找到最佳值（即当AdaBoost收敛或开始过拟合时）。