这两种功能之间有什么有效的区别吗？

Question

我试图理解这两段代码之间的有效区别。这两本书都是为我在学校的作业而写的，但只有第一本书是应该写的。我一直无法理解第二个问题出了什么问题，所以如果有人能对这个问题有所帮助，我会非常感激。你知道吗

第一个代码：

def classify(self, obj):
    if sum([c[0].classify(obj)*c[1] for c in self.classifiers]) >0:
        return 1
    else: return -1

def update_weights(self, best_error, best_classifier):
    w=self.data_weights
    for index in range(len(self.data_weights)):
        if self.standard.classify(self.data[index])==best_classifier.classify(self.data[index]):
            s=-1
        else: s=1
        self.data_weights[index] = self.data_weights[index]*math.exp(s*error_to_alpha(best_error))

第二个代码：

def classify(self, obj):
    score = 0
    for c, alpha in self.classifiers:
        score += alpha * c.classify(obj)
    if score > 0:
        return 1
    else:
        return -1

def update_weights(self, best_error, best_classifier):
    alpha = error_to_alpha(best_error)
    for d, w in zip(self.data, self.data_weights):
        if self.standard.classify(d) == best_classifier.classify(d):
            w *= w * math.exp(alpha)
        else:
            w *= w * math.exp(-1.0*alpha)

Answer 1

第二种方法不会修改权重。你知道吗

在第一种情况下，您可以显式地用线修改权重数组

self.data_weights[index] = ...

但在第二种情况下，您只需要修改w：

w *= ...

（还有一个额外的系数w）。在第二种情况下，w是从data_weights初始化的变量，但它是一个新变量。它与数组条目不同，更改其值不会更改数组本身。你知道吗

因此，当您稍后查看第二种情况下的data_weights时，它不会被更新。你知道吗