5.1 案例背景
5.1.1 BP_Adaboost模型
Adaboost算法的思想是合并多个“弱”分类器的输出以产生有效分类。其主要步骤为：首先给出弱学习算法和样本空间($X$,$Y$)，从样本空间中找出$m$组训练数据，每组训练数据的权重都是$\frac{1}{m}$。然后用弱学习算法迭代运算$T$次，每次运算后都按照分类结果更新训练数据权重分布，对于分类失败的训练个体赋予较大权重，下 次迭代运算时更加关注这些训练个体。弱分类器通过反复迭代得到 个分类函数序列${f_1},{f_2},...,{f_T}$，每个分类函数赋予一个权重，分类结果越好的函数，其对应权重越大。$T$次迭代之后，最终强分类函数$F$由弱分类函数加权得到。BP_Adaboost模型即BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。
来源：https://www.cnblogs.com/dingdangsunny/p/12334396.html