AdaBoost中样本权重对弱分类器的影响与作用

AdaBoost中样本权重对弱分类器的影响与作用

最近在尝试用集成学习中的AdaBoost对项目进行改进，对AdaBoost做了一些学习，之前也了解过这个算法，大概懂得是个什么思想，个人理解就是，对每个训练样本设置权重，根据弱学习器的学习结果，对样本的权重进行修改更新，那些分类错误的样本（即不容易正确分类）的权重会逐渐增大，这样在下一次的弱学习器训练时会根据这个权重对不容易分类的样本重点学习，从而提升对该样本的分类能力。最终综合多个弱分类器得到最终的分类模型。
但我一直有个问题，就是样本的权重在弱分类器训练时的影响和作用到底是什么，因为这决定我是否需要修改我的弱分类器算法的原始代码。
我百度了很多，众说纷纭，没有怎么看懂，于是找了李航老师编著的《统计学习方法 第2版》的第8.1节《提升方法AdaBoost算法》学习了一下，跟大家分享我的一些理解。

1.样本权重用于计算弱学习器的分类误差率从而计算在集成强分类器的投票中所占的权重

上面的公式中， w k i