本博客仅用于知识记录，方便自己学习，有错误之处欢迎指正
若有雷同请联系我
参考：清华大学 袁博老师 数据挖掘课程
1. boosting与bagging的区别：
1）boosting是串行训练的，而bagging是可以将多个分类器并行训练
2）bagging是有放回的取样本，boosting不需要以bootstrap的方式取样
3）bagging每个样本的权重是一样的，boosting不同样本权重不一样，对分错的样本增加权重，分对的下调权重，从而达到更着重训练这些样本的目的
2.小例子（例子来源袁博老师课程）：
先用数据训练第一个分类器c1，然后对c1进行测试，在c1中被分错的样本将在训练c2的时候着重训练（每次测试完，会对样本的权重进行调整）
训练得到c2后，继续进行测试，重新调整训练集，然后训练c3，一直训练到分类器个数达到要求。对重对N个学习器加权结合
3.Adaboost——经典的boosting算法
,Adaboost会给每个学习器添加一个α权重，这个α是固定的，不会变化，
是学习器错误率
分类正确的样本权重，分类错误的权重调整
伪代码：