adaboost多分类预测

Adaboost算法本身是一种二分类算法，但可以通过多次运用Adaboost算法来实现多分类预测。

具体地说，可以采用一对多（One-Vs-All）的方式来实现多分类预测。即对于K个类别，我们分别训练K个分类器，每个分类器分别将一个类别作为正例，其余K-1个类别作为负例。在预测时，对于一个新的样本，我们将其输入每个分类器，最终输出概率最大的那个类别。

在训练过程中，每次迭代都会更新所有分类器的权重，以使得误分类样本的权重增加，正确分类样本的权重减小。这样，在后续的分类器训练中，会更加关注难以分类的样本，从而提高了分类性能。