에이다부스트 알고리즘이 간단해 보이지만, 그림 7-10의 표와 같이 열 개의 훈련 샘플로 구성된 훈련 데이터셋을 사용하여 구체적인 예제를 살펴보겠습니다.

▲ 그림 7-10 열 개의 훈련 샘플로 구성된 훈련 데이터셋

이 표의 첫 번째 열은 1에서 10까지 훈련 샘플의 인덱스를 나타냅니다. 두 번째 열에 각 샘플의 특성 값이 있습니다. 이 데이터는 1차원 데이터셋입니다. 세 번째 열은 각 훈련 샘플 x_i에 대한 진짜 클래스 레이블 y_i입니다. 여기서 입니다. 네 번째 열은 초기 가중치를 보여 줍니다. 초기에 가중치를 동일하게 초기화합니다(같은 상수 값을 할당합니다). 그다음 합이 1이 되도록 정규화합니다. 샘플이 열 개인 훈련 데이터셋에서는 가중치 벡터 w에 있는 각 가중치 w_i를 0.1로 할당 합니다. 예측 클래스 레이블 는 다섯 번째 열에 나와 있습니다. 분할 기준은 이라고 가정합니다. 표의 마지막 열은 의사 코드에서 정의한 업데이트 규칙에 의해 업데이트된 가중치를 보여 줍니다.