easy ensemble 算法和balance cascade算法

看了一下easy ensemble 算法的matlab代码，发现之前的理解有问题

从上面的伪代码可以看出，easy ensemble每次从多数类中抽样出和少数类数目差不多的样本，然后和少数类样本组合作为训练集。在这个训练集上学习一个adaboost分类器。
最后预测的时候，是使用之前学习到的所有adaboost中的弱分类器（就是每颗决策树）的预测结果向量（每个树给的结果组成一个向量）和对应的权重向量做内积，然后减去阈值，根据差的符号确定样本的类别。

之前我的理解是根据每个adaboost的预测结果做多数表决，比如10个adaboost，有6个adaboost预测为少数类，那么这个样本就是少数类。显然，easy ensemble不是这样来实现的。

balance cascade算法的算法框架如下:

可以看出balance cascade算法和easy ensemble还是挺像的，差别就在第7步和第8步。

第6步，算法训练出一个分类器，然后在第7步调整分类器$H_i$的阈值$\theta_i$ 以保证分类器