在Ada Boosting算法中，如果某个样本无法被当前弱分类器分类成功，则减少该样本权重，否则增大该样本权重。
举一反三
- AdaBoost算法训练弱分类器的过程中，如果某个样本已经在上一个弱分类器中被准确地分类，那么在构造下一个训练集时，它的权重将被：（）。 A: 升高 B: 降低 C: 不变 D: 置0
- 以下对RegionBoost算法描述正确的是（ ）？ A: 基础分类器权重根据当前输入样本计算得出 B: 每个基础分类器需要一个额外的可信度模型 C: 每个基础分类器的权重针对不同输入样本有所区别 D: 可信度模型用于估计基础分类器对特定输入的准确度
- AdaBoost算法更新数据权重只根据当前分类器更新权重（不改变以前分类器的权重）。
- 中国大学MOOC: AdaBoost算法更新数据权重只根据当前分类器更新权重（不改变以前分类器的权重）。
- v对于一个样本，如果当前权重能够正确判断其类型，就减小当前权重