声明： 这篇笔记是自己对AdaBoost原理的一些理解，如果有错，还望指正,俯谢～
背景：
AdaBoost算法，这个算法思路简单，但是论文真是各种晦涩啊～，以下是自己看了A Short Introduction to Boosting和PRML的一些笔记. 摔～
正文：
AdaBoost算法，是一种组合算法（通过多个弱分类器，组合成一个强分类器）:
关于AdaBoost算法的流程，简单的描述,我们以Ａ Short Introduction to Boosting中提到的用AdaBoosting进行二分类来描述一下AdaBoost算法的具体流程:
1, 不放假设给定要训练的数据包含下面三个信息data{weight,value,values[num]}; 注意：num表示的分类的数目，这里num=2;
然后data也是一个大小N的数组，我们这里假定有Ｔ个弱分类器（Ｔ的大小需要自定义，原则上越大越好，但是Ｔ了会有性能问题，需要主观把握一下）,其中value,values中的值取值范围在｛-1,+1｝之间取舍.
2, 初始化data数组中的weight=1/N;
3, for t = 1,...,T;
３.1使用第ｔ个弱分类器对数据data进行分类，然后得到分类的数组ht:X -> {-1,+1};
3.2 统计分类错误率： 
Ｅ＝表示错误率，errorNum表示样本分类错误的个数,totalNum表示总样本数.
3.3 计算a的值，并保存在数组中，计算公式： 
Ｅt为上面计算所得的错误率，一般要求错误率不要低于1/2
3.4 更新数据data中的权重weight
for i=1 , ...., N ;
if ht(xi) == data[i].value:
else
注：Zt代码
3.5 data中的权重weight更新完成之后，t=t+1,重新将新的权重的data交给下一个弱分类器进行分类，重复３～3.5;
最后将得到的ａt , ht（ｘ），进行累成，
４ for i=1 , ..... , N ;
5.1计算accuray:
以上就是整个Adaboost原理的详细流程，更加形象的流程图，出自依据PRML；
如果理解了上面流程之后，建议移步去这个地方学习一下，因为总结的比较到位，所以就直接给出地址，去哪儿看吧～；