集成学习：通过数学推导AdaBoost的训练误差可以无限接近于0，以及其树的权重可以推导出来

集成学习，将多个独立分类器（此处称为基学习器）组合在一起，共同完成任务。如bagging（减小方差）、boosting（偏差）或stacking（改进预测） 其中Boosting，主要算法有AdaBoost/GBDT/Xgboost/LightGBM 关于Boosting的两个核心问题： 　　1）在每一轮如何改变训练数据的权值或概率分布？ 　　通过提高那些在前一轮被弱分类器分错样例的权值，减小前一

>>阅读原文<<