adaboost算法流程

Adaboost算法是一种迭代学习算法，其核心思想是针对同一个训练集训练不同的分类器（弱分类器），然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。算法步骤如下：1.初始化训练数据的权值分布。如果有N个样本，第i个样本刚开始时，被赋予的权值为1/N；2.构建弱分类器。根据当前的权值分布，用每一个训练样本去训练，得到一个弱分类器；3.计算弱分类器的误差。计算该弱分类器在加权数据集上的错误率；4.计算弱分类器的权重。错误率低的弱分类器权重会大一些；5.更新数据权值。根据弱分类器的表现对训练数据重新赋予权值。