我对AdaBoost算法还不太熟悉。在sklearn中，SAMME算法的_boost_discrete()函数返回分类器的权重为”estimator_weight“
def _boost_discrete(self, iboost, X, y, sample_weight): ....... return sample_weight, estimator_weight, estimator_error但是，对于SAMME.R算法，”_boost_real()”函数返回的是’1’，而不是分类器的权重。
def _boost_real(self, iboost, X, y, sample_weight): ....... return sample_weight, 1., estimator_error我的问题是为什么SAMME.R算法返回的estimator_weight是’1’。我参考了文献[1]。请帮助我理解这个算法。提前感谢。
参考文献:[1]J. Zhu, H. Zou, S. Rosset, T. Hastie, “Multi-class AdaBoost”, 2009.
回答：
以下是我对SAMME.R算法中权重可能被设置为’1’的原因的理解，参考了2006年的Multi-class Adaboost论文。你提到的2009年论文中并没有包括SAMME.R算法。
在该论文（2006年）中，sample_weight用w表示，estimator_weight用alpha表示。
如果你查看算法2 SAMME
一旦w和alpha被学习后，新的样本将根据C(x)进行分类。请注意，estimator_weight（alpha^(m)）出现在C(x)中，可以解释为弱学习器m更新的强度。
现在让我们看算法4 SAMME.R。
请注意，estimator_weight（alpha）在这个算法中没有任何出现。相反，弱学习器通过加权类概率估计来表征，新的样本根据这个新的C(x)进行分类。尽管estimator_weight（alpha）没有直接出现在C(x)中，但可以将其放在h_k^(m)(x)前面（作为乘数），并定义所有alpha为1：
这导致所有estimator_weight在训练结束时取值为1。
