我工作的一个交通流预测，我可以预言，一个地方有重或轻的流量。 我已分类的每个流量为1-5，1为最轻的流量，5是最重的通信量。
我碰到这个网站http://www.waset.org/journals/waset/v25/v25-36.pdf ，AdaBoost算法，和我真的有学习算法困难。 特别是在其中部分S是集合（（ xi ， yi ）， i=(1,2,…,m) 其中Y={-1,+1} 什么是x ， y和常量L ？ 什么是价值L ？
有人可以解释我这个算法？ :)
S={(x1,y1),...,(xm,ym)} ：每个(x,y)对是用于训练（或测试）的分类器的示例：
x =其中描述该特定样品，例如，其值列出的特征amount of cars on the road ， day of the week ，等等 y =对于一个特定的标签x ，而你的情况可以是1, 2, 3, 4 or 5 Table 1中示出了纸张的x他们使用的，即特征： DAY ， TIME ， INT ， DET ， LINK ， POS ， GRE ， DIS ， VOL和OCC 。 表中的最后一列显示了标签（ y ），它们设置为1或-1 （即， yes或no ）。 表中的每一行是1个样品。
L是轮，其中AdaBoost的训练弱学习量（以纸张Random Forests用作弱分类器）。 如果设置了L到1然后AdaBoost的运行1个回合只有1弱分类进行培训，这将有不好的结果。 执行与不同值的多个实验用于L以找到最佳值（即，当AdaBoost算法收敛或启动时过拟合）。
