分类器级联
依据 AdaBoost 算法的训练过程可以分为三步:
1, 初始化训练样本的权值分布。
2, 随后进行训练，在训练过程中，如果某一个样本点被正确的分类，那么在接下来的训练中其权重值会被降低，否则其权重值被提高。
3, 用更新权值后的样本集构造下一个分类器，重复上述过程直到满足训练的目标需求，最后经过m 次训练后，得到各个弱分类器h1,h2,h3,...,hm，增加分类误差小的并降低分类误差大的弱分类器的权重，得到相应的权重α1,α2,α3,...,αm并将各个弱分类器组合成一个具有较强分类能力的分类器α1h1+α2h2+α3h3+...+αmhm。
设第i 个样本，在第t 次迭代过程中的权重为wit，则其强分类器构造的过程如下：
(2) 进行 T 轮训练；
1，首先将所有样本权重初始化为样本的概率分布，之后进行迭代，每一轮迭代都需要更新权重，按照降低正确分类的样本权重，增加错误分类的样本权重，从而在接下来的一次迭代中更加重视被分类器分错的样本，之后通过多次有针对性的迭代后，生成的每个新的分类器基本上都可以进行效果较好的分类。
2，按照分类效果的好坏给每个分类器分配一个权重值，即效果较好的分类器权重较大。
3，将一系列经过加权的弱分类器进行组合便可得到一个强分类器。
小结
其训练过程就是为了寻找最优的分类器阈值jθ
