【机器学习】集成算法——Boosting中的AdaBoost算法原理及sklearn应用
（写在前面：集成算法中基评估器可以是分类模型也可以是回归模型，因为个人习惯称基评估器为弱分类器，全文的弱分类器其实是指基评估器，而写基评估器就是基评估器，写到后面才发现这点不太严谨，后面逐步更改。另外要注意：随机森林的基评估器必定是决策树，可以是回归树也可以是分类树。XGBoost属于GBDT中的范畴，GBDT属于Boosting，Boosting的基评估器可以是回归和分类模型，而GBDT基评估器一定是回归模型，但GBDT模型虽然基是回归，但仍然可以解决分类问题，sigmoid函数）
Boosting的核心思想在上一篇博文中提过，基是有序提升的，我们这篇主要讲AdaBoost的应用，未来会再开一篇讲XGBoost，这个比较难，耗尽发丝……