Adaboost，与随机森林相似，也是由多个学习器共同决定最终分类的
但Adaboost和随机森林的区别，有两个：
①学习器关系不同：
- 随机森林的学习器关系：学习器相互独立，每个学习器的权重都一样
- Adaboost的学习器关系：学习器递进演变，每个学习器的权重也是独立的，但样本权重是基于上一个学习器的分类情况决定
②最终分类决定方式不同：
- 随机森林的最终分类结果：每个学习器都有一个分类结果，每个学习器权重都一样，最终按票高者决出最终分类结果
- Adaboost的最终分类结果：每个学习器的权重不同，每个学习器权重不一样，最终按加权求和结果决出最终分类结果
Adaboost的设计链路是这样的：
先用全部样本训练一个学习器，但不是
首先，Adaboost有两种性质的权重：
- 样本权重D：每条数据都有一个权重
- 特征权重W：每条数据里的每个特征x，都有一个权重
需要解决的几个问题：
1、为什么每个学习器权重 H = 1 2 l n ( 1 − e e ) H = \frac{1}{2}ln(\frac{1-e}{e}) H=21ln(e1−e)
2、为什么样本的权重为
)
