串行生成，只适用二分类（做回归用别的更新公式？）
工作机制：
对训练样本分布调整，主要是通过增加误分类样本的权重，降低正确分类样本的权重。
面临两个问题：
（1）在每一轮，如何改变训练数据的概率分布或者权值分布。（也可以重采样，但是AdaBoost没这么做）
（2）如何将弱分类器组合成强分类器
AdaBoost的做法：
（1）提高分类错误的的权重，降低正确的权重
（2）采用加权多数表决，加大分类错误率低的分类器的权值，使其在表决中起较大作用
弱分类器被线性组合成为一个强分类器。
最小化损失函数：
优缺：不改变所给的训练数据，而不断改变训练数据的权值分布，使得训练数据在基本分类器的学习中起不同的作用。
控制迭代次数可防止过拟合
对异常敏感，噪声大的会获得高权重
原文：https://www.cnblogs.com/A-lam/p/12862890.html