AdaBoost

AdaBoost（Adaptive Boosting）是一种迭代算法，其核心思想是通过结合多个弱分类器，形成一个强分类器。在每一轮迭代中，AdaBoost会增加被错误分类样本的权重，使得这些样本在下一轮迭代中得到更多关注。同时，它会根据当前分类器的性能来调整样本权重，性能较差的分类器会降低权重，而性能较好的分类器会得到更高的权重。通过多轮迭代，AdaBoost能够逐渐优化模型，提高分类准确率。