通俗解释
先训练一个很弱的分类器，把它分错的样本权重调高，再训练下一个，如此反复，最后按各自准确率加权投票。它是“提升（Boosting）”思想的第一个实用算法，后来的梯度提升树（GBDT）把它推广到任意损失函数。
用在哪里：Viola–Jones 人脸检测（2001）、表格数据分类基线
01原始论文
A Decision-Theoretic Generalization of On-Line Learning and an Application to Boosting
Yoav Freund, Robert E. Schapire · Journal of Computer and System Sciences · 1997
DOI ↗ ✓ 已核实 · Crossref API doi:10.1006/jcss.1997.1504
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-22。
- JSON: /api/learn/algorithms.json (id:
adaboost)