禁止商业或二改转载，仅供自学使用，侵权必究，如需截取部分内容请后台联系作者!

介绍

AdaBoost（Adaptive Boosting）算法是一种集成学习算法，它通过组合多个弱分类器来构建一个强分类器。AdaBoost的核心思想是提高那些被前一个弱分类器错误分类的样本的权重，从而使得后续的弱分类器更加关注这些难以分类的样本。

原理

1. 弱学习器：AdaBoost算法使用弱学习器，这些学习器的性能略高于随机猜测（即准确率略高于50%）。弱学习器通常选择简单模型，如决策树桩（决策树的一层）。
2. 权重调整：在训练过程中，AdaBoost算法会根据每个弱学习器的性能调整样本的权重。错误分类的样本会被赋予更高的权重，而正确分类的样本的权重会降低。
3. 迭代训练：AdaBoost算法通过迭代的方式训练多个弱学习器。在每一轮迭代中，都会根据当前的样本权重分布训练一个新的弱