Closed Ruikun-Li closed 5 years ago
在第8章提升方法中，进行了二分类AdaBoost的实现，其中在G(x)函数中，根据当前阈值v得到的error与现有error的比较来决定是否更新最小误差error、分类器输出compare_array以及最好的阈值best_v，但是却没有对弱分类器的类型direct（“positive”或“nagetive”）进行更新。
原代码： if weight_error < error: error = weight_error compare_array = _compare_array best_v = v return best_v, direct, error, compare_array
修正代码： f_direct = "positive" #定义f_direct，为最终的direct ... ... ... if weight_error < error: error = weight_error compare_array = _compare_array best_v = v f_direct = direct #对f_direct进行更新 return best_v, f_direct, error, compare_array
在第8章提升方法中，进行了二分类AdaBoost的实现，其中在G(x)函数中，根据当前阈值v得到的error与现有error的比较来决定是否更新最小误差error、分类器输出compare_array以及最好的阈值best_v，但是却没有对弱分类器的类型direct（“positive”或“nagetive”）进行更新。
原代码： if weight_error < error: error = weight_error compare_array = _compare_array best_v = v return best_v, direct, error, compare_array
修正代码： f_direct = "positive" #定义f_direct，为最终的direct ... ... ... if weight_error < error: error = weight_error compare_array = _compare_array best_v = v f_direct = direct #对f_direct进行更新 return best_v, f_direct, error, compare_array