以二分类问题为例(｛-1，+1｝)
adaboost步骤：
1.初始化u1=(1/N,1/N,…,1/N)
2.找到h，使最小化，记该h为g；计算
作为该g的权重
3.更新ui:
4.重复2，3得到T个h，使用下列公式作为预测
理解：
1. adaboost 和 ut
数据n的权重在经过T轮更新后，正比于 每个g在该资料上做的带权重的投票
将看成是margin，则margin变大，会ut会变小
所以每一轮adaboost，都会使变小，即使下列公式变小
2.adaboost 和 g（把adaboost看成在每一轮都尽可能使ut变小）
以gradient观点看：
adaboost每一轮都在找一个最好的h作为方向更新ut，使ut最小
adaboost选择这个h的标准是，使最小，得到g
3.adaboost和
选定特定的方向g后，选定，使
最小
总结：