AdaBoost的原理是什么？

自适应提升算法（Adaptive Boosting，AdaBoost）是把多个弱分类器按权重组合为强分类器的集成方法，核心构成包括初始化样本权重、按错误率选出最优弱分类器、调整权重提高错分样本权重并迭代，解决的是单一分类器准确率不足问题，并不解决弱分类器过弱与标签错误的问题。

计算过程

初始化基础权重；

奖权重矩阵，通过已的分类器计算错误率，选择错误率最低的为最优分类器；

通过分类器权重公式，减少正确样本分布，增加错误样本分布，得到新的权重矩阵和当前k轮的分类器权重；

将新的权重矩阵，带入上面的步骤2和3，重新计算权重矩阵；

迭代N轮，记录每一轮的最终分类器权重，得到强分类器。