深度剖析adaboost

在分析adaboost算法前，首先看一幅图。

如上图所示，adaboost算法的核心思想就是由分类效果较差的弱分类器逐步的强化成一个分类效果较好的强分类器。而强化的过程，就是如上图所示逐步的改变样本权重，样本权重的高低，代表其在分类器训练过程中的重要程度。

adaboost算法流程

下面首先来看一下在李航的《统计学习方法》一书中对adaboost的解释：
算法的输入：训练数据集$T=\{(x_1,y_1),(x_2,y_2),...,(x_N,y_N) \}$，其中$x$表示输入样本，$y\in\{+1,-1\}$为对应的标签。
输出：最终分类器$G(x)$

Initialization：初始化训练数据的权值分布

D1=(w11,w12,...,w1N),