手推adaBoost

①对所有训练集初始化相等的样本权重
$D=[d_1,d_2,...d_n]$ n为数据集的总数
②将带有初始化权重的数据集送入基本分类器中训练$f_m(X)$，计算分类器误差率
$e_m=p(f_m(x_i)\neq y_i)=\frac{\sum_{i=1}^n(f_m(x_i)\neq y_i)}{n}$
，其中，X表示所有数据集，m表示第m个基本分类器,假设一共有M个基本分类器。
③根据分类器的误差率，计算该分类器的系数
$a_m=\frac{1}{2}ln\frac{1-e_m}{e_m}$
④根据分类器的误差率，更新样本权重。（采取惩罚那些分类真确的样本，奖励那些分类错误的样本的原则）

⑤ 构建基本分类器的线性组合
$F(X)=\sum_{m=1}^Ma_mf_m(X)$
⑥ 得到最终的强分类器G（X）
$G(X)=sign(F(X))$