以类方法定义Adaboost

import numpy as np
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import f1_score, accuracy_score

class Adaboost:
    """
    __init__(self, num_classifiers): 构造方法，用于初始化Adaboost对象。num_classifiers指定要使用的分类器数量。
    weighted_error(y_true, y_pred, weights): 静态方法，计算加权错误率。它接受真实标签y_true、预测标签y_pred和样本权重weights作为输入，并返回加权错误率。
    update_weights(weights, alpha, y_true, y_pred): 静态方法，根据分类器权重更新样本权重。它接受当前样本权重weights、分类器权重alpha、真实标签y_true和预测标签y_pred作为输入，并返回更新后的样本权重。
    fit(self, X, y): 训练Adaboost分类器。它接受训练数据X和标签y作为输入，并使用num_classifiers个决策树分类器进行训练
    """
    def __init__(self, num_classifiers):
        self.num_classifiers = num_classifiers
        self.classifiers = []
        self.classifier_weights = []

    @staticmethod
    def weighted_error(y_true, y_pred, weights):
        return np.sum(weights[y_true != y_pred])

    @staticmethod
    def update_weights(wei