AdaBoost（Adaptive Boosting）算法

一、概念

AdaBoost（自适应提升）是一种集成学习（Ensemble Learning）算法，属于Boosting家族。其核心思想是：通过迭代训练一系列“弱分类器”（性能略优于随机猜测，如决策树桩），并根据每个弱分类器的表现赋予不同权重，最终将它们加权组合成一个“强分类器”。

“自适应”体现在：每个弱分类器训练时，会自适应地调整样本权重——前一个分类器错分的样本权重会被放大，使得下一个分类器更关注这些难分样本，从而逐步提升整体性能。

二、核心理论

AdaBoost的工作流程可概括为4步迭代过程：

1. 初始化样本权重：所有样本初始权重相等（如 wi=1/Nw_i = 1/Nw