1、权值更新方法
（1）初始化权值分布；
（2）找分类误差最小的弱分类器；
（3）计算出该弱分类器的权值；
（4）更新权值分布；
（5）集合所有弱分类器得到最终的强分类器。
2、adaboost快速收敛为什么？
因为当前轮分错的样本的权重会在下一轮训练中得的提高，下一轮弱分类器为了达到较低的分类误差，会把样本权重高的样本纷分正确。
3、Adaboost 的优缺点？
能够基于泛化性能相当弱的的学习器构建出很强的集成，不容易发生过拟合。
对异常样本比较敏感，异常样本在迭代过程中会获得较高的权值，影响最终学习器的性能表现。
4、和GBDT有什么区别？
Adaboost通过不断修改权重、不断加入弱分类器进行boosting；GBDT通过不断在负梯度方向上加入新的树进行boosting。
5、推导？
