AdaBoost.M1(Freund and Schapire, 1997)

假定我們的問題是一個分類問題，要預測的變量Y={-1, 1}, X是解釋變量，樣本的個數是N.

第一步，給每個樣本一個初始的權重

第二步，當m從1到M循環的時候，執行以下步驟：

1. 基於權重, 利用訓練集得到相應的分類器;

2. 計算錯誤率：

3. 計算權重係數

#此時錯誤率越高，權重係數越小，但是錯誤率優於0.5(隨機猜測)， 意味着權重係數是正數。

4. 將權重更改爲

#此時錯誤率越高，權重係數越小，對應的權重越小，但是分錯的樣本在下次循環中會獲得更高的權重。

第三步，輸出

#此時，分類越好的，其錯誤率越低，對應的權重係數越大，在最終的分類器中所佔的權重越大！

 #來自於ESL第10章的第一個算法。