AdaBoost

算法：

输入：训练数据集 T={(x1,y1),(x2,y2),⋯,(xN,yN)} ，其中 xi∈Rn,yi∈{−1,+1} ；弱学习算法；
输出：最终分类器 G(x) .
(1) 初始化训练数据的权值分布

D1=(w11,⋯,w1i,⋯,w1N),w1i=1N,i=1,2,⋯,N

(2) 对 m=1,2,⋯,M
(a) 使用具有权值分布 Dm 的训练数据集学习，得到基本分类器

Gm(x):X→{−1,+1}

(b) 计算 Gm(x) 在训练数据集上的分类误差率

em=P(Gm(xi)≠yi)=∑i=1NwmiI(Gm(xi)≠yi)

(c) 计算 Gm(x) 的系数

αm=12log1−emem

这里的对数是自然对数 .
(d) 更新训练数据集的权值分布

Dm+1=(wm+1,1,⋯,wm+1,i⋯,wm+1,N)

wm+1,i=wmiZmexp(−αmyiGm(xi)),i=1,2,⋯,N

这里， Zm 是规范化因子

Zm=∑i=1Nwmiexp(−αmyiGm(xi))

它使 Dm+1 成为一个概率分布 .
(3) 构造基本分类器的线性组合

f(x)=∑m=1MαmGm(x)

得到最终分类器

G(x)=sign(f(x))=sign(∑m=1MαmGm(x))