AdaBoost.M1(Freund and Schapire, 1997)

假定我们的问题是一个分类问题，要预测的变量Y={-1, 1}, X是解释变量，样本的个数是N.

第一步，给每个样本一个初始的权重

第二步，当m从1到M循环的时候，执行以下步骤：

1. 基于权重, 利用训练集得到相应的分类器;

2. 计算错误率：

3. 计算权重系数

#此时错误率越高，权重系数越小，但是错误率优于0.5(随机猜测)， 意味着权重系数是正数。

4. 将权重更改为

#此时错误率越高，权重系数越小，对应的权重越小，但是分错的样本在下次循环中会获得更高的权重。

第三步，输出

#此时，分类越好的，其错误率越低，对应的权重系数越大，在最终的分类器中所占的权重越大！

 #来自于ESL第10章的第一个算法。