新手，初学adaboost算法，从网上找了一些资料和文献，有些地方没有看懂，请各位老师们指点。
adaboost算法的基本原理是将在不同的样本分布下训练“弱分类器”，将多个“弱分类器”集成为一个“强分类器”，其关键是在每一轮的样本权重更新中，提高上一轮识别错误的样本权重，降低上一轮识别正确的样本权重。
我想问的是，在我找的资料和文献中，给出的算法流程都没有说明怎样根据样本分布进行下一轮的训练，样本的权重是体现在什么地方？
请各位老师赐教，谢谢
弱分类器算法，原文中并未指定。样本的权重最初是一样的，然后根据每次迭带，正确分类的样本权重减小，未正确分类的样本权重加大。体现在权重的变化上，即D（t+1）与D（t）的变化上，原文看下。Yoav Freund，Experiments with a New Boosting Algorithm
分类器选取的依据是分类误差最小化，权重直接体现在分类误差上，而上一次错分的样本权重较大，所以本次分类器的选取会偏重于能正确分类权重较大样本。
您好，这篇文章应该能帮到你:https://zhuanlan.zhihu.com/p/105888234