初学adaboost算法，求指教

Question

新手，初学adaboost算法，从网上找了一些资料和文献，有些地方没有看懂，请各位老师们指点。

adaboost算法的基本原理是将在不同的样本分布下训练“弱分类器”，将多个“弱分类器”集成为一个“强分类器”，其关键是在每一轮的样本权重更新中，提高上一轮识别错误的样本权重，降低上一轮识别正确的样本权重。

我想问的是，在我找的资料和文献中，给出的算法流程都没有说明怎样根据样本分布进行下一轮的训练，样本的权重是体现在什么地方？

请各位老师赐教，谢谢

Answer 1

弱分类器算法，原文中并未指定。样本的权重最初是一样的，然后根据每次迭带，正确分类的样本权重减小，未正确分类的样本权重加大。体现在权重的变化上，即D（t+1）与D（t）的变化上，原文看下。Yoav Freund，Experiments with a New Boosting Algorithm