算法知识点-AdaBoost

简述AdaBoost权重更新方法？
首先初始化AdaBoost样本权重分布；然后查找到错误率最小的基分类器；接着计算所有基分类器的权重；然后更新每个样本权重；最后将每个基分类器组合构成强分类器。

为什么AdaBoost可以快速收敛？
因为在训练每个基分类器时，当某个样本易分辨错误，则增大其权重，这样下一次训练时，为了提高模型效果，就会把权重大的样本识别正确，这样即使每个分类器都可能分类错误，但是可以保证权重大的样本分类正确。

优缺点？
不易过拟合。但是对于异常样本敏感。