adaboost算法代码

以下是一个简单的Python实现Adaboost算法的代码：

import numpy as np

def adaboost(X, y, T):
    n_samples, n_features = X.shape
    w = np.ones(n_samples) / n_samples
    classifiers = []
    for t in range(T):
        clf = DecisionTreeClassifier(max_depth=1)
        clf.fit(X, y, sample_weight=w)
        y_pred = clf.predict(X)
        err = np.sum(w[y_pred != y])
        alpha = 0.5 * np.log((1 - err) / err)
        w = w * np.exp(-alpha * y * y_pred)
        w = w / np.sum(w)
        classifiers.append((clf, alpha))
    return classifiers

其中，X是训练数据，y是标签，T是分类器数量。此代码使用决策树作为基本分类器。在每次迭代中，首先使用当前的权重训练基本分类器，然后计算分类器的误差和权重系数alpha，最后更新样本权重，并将分类器及其权重添加到分类器列表中。