记录一下对AdaBoost的理解，参考了李航大大的《统计学习方法》。

Boost通过改变训练样本的权重，学习多个分类器，并将这些分类器进行线性组合，提高分类器性能。
提升方法是从弱学习算法出发，反复学习，得到一系列弱分类器 (又称为基本分类器)，然后组合这些弱分类器，构成一个强分类器。

大多数的提升方法都是改变训练数据的概率分布 (训练数据的权值分布)。

  1. 每一轮训练时如何改变训练数据的权值活概率分布;
  2. 如何将弱分类器组合成一个强分类器。

针对问题1,AdaBoost通过提高前一轮弱分类器错误分类样本的权值，来提升此类样本的关注程度;针对问题2,AdaBoost采用加权多数表决的方法，即加大分类误差小的弱分类器的权值，减小分类误差大的弱分类器的权值。