Adaboost

Adaboost算法是将弱分类器线性叠加为一个强分类器，具体的算法步骤如下：
1. 读取数据集X（X1…Xn）以及其标签Y
2. 初始化样本的权值w=1/n，设定弱分类器个数T
3. for i=1…T
对每一个特征训练一个弱分类器，将误差最小的压入弱分类器中；
计算权重误差函数e=∑i=1nwiI(h(xi)≠yi)
计算分类器权重α=0.5ln(1−ee)
更新样本权值

w=wsum(w)×{e−αh(xi)=yieαh(xi)≠yi

4. 预测结果：H(x)=sign(∑i=1Tαihi(x))

参照这个地方的代码写的，谢谢作者，写的很清楚c++源码

Adaboost优点：
低泛化误差，分类准确率高，不用担心过拟合。
缺点：
对离群点比较敏感。