adaboost算法流程

1. 初始化样本权重：对于含有m个样本的训练集，将每个样本的权重初始化为1/m。
2. 迭代训练弱分类器：针对每个弱分类器，进行以下步骤：
a. 根据样本权重，从训练集中随机抽取一定比例的样本作为训练集，构建一个弱分类器。
b. 对于训练集中的每个样本，如果被该弱分类器正确分类，则将其权重降低，否则将其权重提高。
c. 根据更新后的样本权重，计算该弱分类器在训练集上的误差率。
d. 根据误差率计算该弱分类器的权重，将其加入到强分类器中。
3. 输出强分类器：最终的强分类器是由多个弱分类器组成的，每个弱分类器拥有一个权重，最终的分类结果是每个弱分类器的输出结果的加权和。