以李航的统计学习方法中的实例说明
训练集直接考下来了
1. 初始化权值分布
D1(0.1, 0.1, 0.1, …, 0.1) 10个数据，每个数据均为1/N (N为训练集大小)
2. 就是获取误差率最低的分类器
数据集根据x可以分为（0,1,2）(3,4,5),(6,7,8),(9)这 四类，故而，选择点可以选择2.5, 5.5，以及8.5 （只要是能将这几类分开，都可以，比如2.4, 5.6, 8.8等）
3. 分别计算这几个点的基本分类器，选取误差率最低的 基本分类器，
其它计算步骤不说了，详细的去看 李航 详细计算吧
此处主要说一下，为什么 sign[f(x)]训练集会有3个误分类点呢
主要是sign(x)符号函数，当x>0时，sign(x)=1;x<0时，sign(x)=-1，否则sign(x)=0.
计算过程如下所示，红色部分即为误分类点
4. 进行下一次迭代，计算误差率最低的 基本分类器时，除了权重使用D2外，其它算法完全一致，只不过在最后f(x)的值变化，计算f(x)时，变为了两个基本分类器之和，来决定符号函数