AdaBoost

AdaBoost

（1）收集数据：可以使用任何方法；
（2）准备数据：依赖于所使用的若分类器类型；
（3）分析数据：可以使用任意方法
（4）训练算法：AdaBoost的大部分时间都用在训练上，分类器将多次在同一数据集上训练若分类器；
（5）测试算法：计算分类的错误率；
（6）使用算法：同SVM一样，AdaBoost预测的两个类别中的一个，如果想要把它应用到多个类的场合，那么就像多类SVM中的做法一样对AdaBoost进行修改。
AdaBoost
优点: 泛化错误率低，易编码，可以应用在大部分分类器上，无需参数调整
缺点: 对离群点敏感
注：分类器一般采用若可学习分类器，通过集成，组合为强可学习分类器。
集成方法:Bagging和Boosting