AdaBoost的一点记录

AdaBoost通过每次训练一个弱分类器并计算其错误率来更新样本的权值，使得分类错误的样本的权值更大，从而在下一次训练时得到更多关注，对分类器的分类结果影响更大。

AdaBoost的算法流程：

在计算第 t 次迭代的错误率  时，要把样本的权值考虑进去，更具体的，

其中  是第 i 个样本在第 t 次迭代时的权值 ，即，当前弱分类器的错误率是预测错误的样本的权值之和。根据公式，被分类错误样本的权值提升因子：

当弱分类器的正确率大于0.5，即  < 0.5时，被分类错误的样本的权值就可以得到提升，接下来的迭代才是有意义的。