我正在做一个交通流量预测，我可以预测一个地方的交通繁忙或轻微。我将每种流量分为 1-5 级，1 表示最轻的流量，5 表示最重的流量。
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？
谁能解释一下这个算法？ :)
【问题讨论】：
标签： machine-learning classification traffic prediction adaboost
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 = 描述此特定样本的特征，例如列出 amount of cars on the road、day of the week 等的值y = 特定x 的标签，在您的情况下可以是1, 2, 3, 4 or 5
Table 1在论文中展示了他们使用的x特征，即：DAY、TIME、INT、DET、LINK、POS、GRE、@98756 @、VOL 和 OCC。表格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 训练弱学习器的轮数（在论文中，Random Forests 被用作弱分类器）。如果将L 设置为1，那么 AdaBoost 将运行 1 轮，只训练 1 个弱分类器，结果会很差。对L 使用不同的值进行多次实验，以找到最佳值（即，当 AdaBoost 收敛或开始过度拟合时）。
【讨论】：