1. AdaBoost算法简介
AdaBoost(Adaptive Boosting)是一种经典的集成学习算法，由Yoav Freund和Robert Schapire提出。它通过迭代训练一系列的弱分类器，并将这些弱分类器组合成一个强分类器。算法的核心思想是：对于被错误分类的样本，在下一轮训练中增加其权重；对于正确分类的样本，则降低其权重。这种自适应的权重调整机制使得算法能够逐步关注那些难以分类的样本。
1.1 算法特点
- 自适应性强：能够自动调整样本权重
- 适用于多分类问题
- 对异常值敏感，但不易过拟合
- 弱分类器的性能只需略优于随机猜测
2. 环境准备
在开始实现之前，我们需要导入必要的Python库：
import numpy as np
import pandas as pd
from sklearn
