机器学习--Adaboost
boosting思想
算法流程
1.考虑权值进去，初始化相等权值
2.给基本分类器加权值！
谁的误差率越小，谁的权值就越大！
3.更新样本权值
若样本预测错误，测样本的权值升高！
4.构建基本分类器的线性组合，得到最终分类器
为什么能收敛？
理解
bagging：基分类器相互独立
m*（均值/m) = 均值
m*（方差/m）^2 = 方差/m
故方差可以减小
boosting：基分类器基于之前的基分类器改进，可以减小偏差