理论-AdaBoost（转载）

转自一位老师的博客，供学习使用。

---

AdaBoost是Boosting算法的一种，而Boosting算法都需要解决一些问题，这篇博客有解答：
1）如何计算学习误差率e?
2) 如何得到弱学习器权重系数α?
3）如何更新样本权重D?
4) 使用何种结合策略？

集成学习之AdaBoost算法

注意点：

1. AdaBoost是加法模型，最终强分类器是若干个弱分类器加权平均得到的，但是每个分类器有权重，且根据每一个分类器的分类结果，样本有不断更新的权重！
2. 可以用于分类问题，也可以用于回归问题；
3. 理论上任何学习器都可以用与AdaBoost，但使用最广泛的是决策树和神经网络，对于决策树，AdaBoost分类使用CART分类树，AdaBoost回归使用CART回归树。