集成学习（Ensemble Learning）—boosting（提升法）
Boosting 提升法
1. boosting是一个迭代的过程，用于自适应地改变训练样本的分布，使得基分类器聚焦在那些很难分的样本上。
2. boosting会给每一训练样本赋予一个权值，而且可以在每轮提升过程结束时自动地调整权值。开始时，所有的样本都赋予相同的权值1/n，从而使得它们被选作训练的可能性都是一样的。根据训练样本的抽样分布来抽取样本，得到新的样本集。然后，由该训练集归纳一个分类器，并用它对原始数据集中的所有样本进行分类。每轮提升结束时，更新训练集样本的权值。增加被错误分类的样本的权值，减小被正确分类的样本的权值，这使得分类器在随后的迭代中关注那些很难分类的样本，