写一段adaboost代码

下面是一个使用Python实现的Adaboost算法的代码示例：

from sklearn.ensemble import AdaBoostClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 生成样本数据
X, y = make_classification(n_samples=1000, n_features=10, n_informative=5, n_classes=2, random_state=42)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 定义基分类器
base_estimator = DecisionTreeClassifier(max_depth=1)

# 定义Adaboost分类器
adaboost_clf = AdaBoostClassifier(base_estimator=base_estimator, n_estimators=50, learning_rate=0.1, random_state=42)

# 训练模型
adaboost_clf.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = adaboost_clf.predict(X_test)

# 计算预测准确率
accuracy = sum(y_pred == y_test) / len(y_test)
print(f"Adaboost算法的准确率为: {accuracy:.2f}")

在这个示例中，我们使用了`sklearn`库中的`AdaBoostClassifier`类来实现Adaboost算法。首先，我们生成了一个二分类的样本数据，并将其划分为训练集和测试集。然后，我们定义了一个决策树基分类器，并将其传递给Adaboost分类器中。接着，我们训练了Adaboost模型，并在测试集上进行了预测。最后，我们计算了预测准确率。