提升算法（Boosting）是一种常用的统计学习方法。在解决分类或者回归问题当中，通过训练可以得到许多若模型，可以对这些若模型进行线性组合从而得到一个更可靠的模型，从而提升模型的准确率或者精度，这就是Boosting算法。
对于弱分类器的产生以及强分类器的组合，AdaBoost的做法是：
（1）初始化训练数据的权值分布（对于$\omega$，左下标是第几轮的分类器，右下标）
$$D_{1}=(\omega_{11},...,\omega_{1i},...,\omega_{1N})$$
$$\omega_{1i}=\frac{1}{N}$$
原文：https://www.cnblogs.com/ylxn/p/13375940.html