AdaBoost代码

AdaBoost (Adaptive Boosting) 是一种集成学习算法，它通过迭代地训练弱分类器并将它们组合成一个强分类器来提高预测性能。这里是一个简单的AdaBoost Python示例，使用sklearn库中的`AdaBoostClassifier`：

from sklearn.ensemble import AdaBoostClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 加载 iris 数据集
iris = load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建AdaBoost分类器，设基础模型为决策树，默认最大深度为1
ada_clf = AdaBoostClassifier(n_estimators=50, learning_rate=1)

# 训练模型
ada_clf.fit(X_train, y_train)

# 预测
predictions = ada_clf.predict(X_test)

# 打印一些关键信息
print("Accuracy:", ada_clf.score(X_test, y_test))

在这个例子中，`n_estimators`设置为50表示我们要构建50个弱分类器的集合，`learning_rate`决定了每次迭代调整权重的幅度。你可以根据需要调整这些参数。