ValueError: zero-size array to reduction operation maximum which has no identity

这是我在改进adaboost时，numpy库的一个报错

网上的通识是：这是由于对一个空的array或者matrix对象进行去最值操作，从而报错的。然后要你再去检查一下你的对象是否为空。

然后我一路debug找到了原因：

#计算AdaBoost误差，当误差为0的时候，退出循环
aggClassEst += alpha * classEst  											

是因为alpha过大或者不存在，从而导致aggClassEst变成了[[Nan]],最后传参的时候就直接变成了空的。如何解决这个问题呢，我目前是这么想的：

下面是alpha的计算过程：

alpha = float(0.5 * np.log((1 - weightedError) / max(weightedError, 1e-5))) 		
#计算弱学习算法权重alpha,使error不等于0,因为分母不能为0

可以发现我对分母进行了取最值操作，这样保证了分母不会出现为0的情况，所以alpha是一定存在的。再来看分子，唯一的问题就是在里面的weightedError。

因为我对传统的adaboost进行了改进，所以这个时候的weightedError的取值是在(0,无穷大)之中的，再结合另一个警告：

RuntimeWarning: divide by zero encountered in log

所以就是问题就是因为：weightedError=1，导致后面出现log溢出了，alpha为inf或者nan。

我的解决办法也是去最值：

alpha = max(float(0.5 * np.log((1 - weightedError) / max(weightedError, 1e-5))),1e-9) 

不要让它太小就行，或者你也可以直接加1e-9,两者效果都是差不多的。

####################题外话

再扯一句题外话，考虑到adaboost的权重作用，其实这样取值也有不合理之处，就是你默认错的再多的分类器，他错到一定程度的话他在最后集成的时候权重都会是一样的。总而言之就是很有可能是你的改进处理那里出了点问题，现在不报错也只是在这个数据集下，一旦报错了，就可能出现我这种情况：

 这训练了个寂寞