AdaBoost
集成方法
集成方法(ensemble method)/元算法(meta-algorithm):将不同的分类器组合起来的组合结果
集成方法的多种形式：
1.不同算法的集成
2.同一种算法在不同设置下的集成
3.数据集不同部分分配给不同分类器之后的集成
基分类器一般采用的是弱可学习（weakly learnable）分类器，通过集成方法，组合成一个强可学习（strongly learnable）分类器
弱可学习：
是指学习的正确率仅略优于随机猜测的多项式学习算法
强可学习：
指正确率较高的多项式学习算法。
集成学习的泛化能力一般比单一的基分类器要好，这是因为大部分基分类器都分类错误的概率远低于单一基分类器的。
集成方法主要包括Bagging和Boosting两种方法，Bagging和Boosting都是将已有的分类或回归算法通过一定方式组合起来，形成一个性能更加强大的分类器，更准确的说这是一种分类算法的组装方法，即将弱分类器组装成强分类器的方法。