提升算法有两个问题需要回答：一是每一轮如何改变迅雷数据的权值和概率分布；二是如何将弱分类器组合成一个强分类器。关于第一个问题，AdaBoost的做法是，提高那些被前一轮弱分类器错误分类样本的权值，而降低那些被正确分类样本的权值。所以，没有被正确分类的样本数据，在加大权值后收到后一轮弱分类器的更大关注。关于第二个问题，AdaBoost采取加权多数表决的方法。具体的，加大分类误差率小的弱分类器的权值，使其在表决中起较大的作用，减少分类误差率大的弱分类器的权值，使其在表决中起到较小的作用。
AdaBoost算法描述如下：
这就是基本的算法描述，接下来我们在举个具体的例子来说明这个问题。例子来自于李航的140的AdaBoost的例子。
这个链接有详细的说明，我就不在赘述了。
https://blog.csdn.net/tiandijun/article/details/48036025（说明一下，G3写反了，楼主也说了）
每一个弱分类器我知道是啥，那基分类器咋用呢？参考这个链接
https://blog.csdn.net/px_528/article/details/72963977
然后，我用一张图解释为啥能分类正确。
adaboost说明
