Adaboost

Boosting算法要涉及到两个部分，加法模型和前向分步算法。

加法模型就是说强分类器由一系列弱分类器线性相加而成。

errorRate < 0.6

alpha即每个分类器的系数

所以beta<1 ,即增大被分错的样本权重，减小正确的样本权重

可以看到，每一下次self.W都会更新跟下一个weaker分类器。

 

所以以下就非常好理解了