ml xgboost与adaboost集成算法

xgboost就是将一次次的分类结果慢慢集成到靠近结果的方法，比如目标是1000，第一次是900，第二次是50，第三次是20，最后的结果就是970，效果不错。

xgboost的算法推导在这里不赘述，在ppt里有详细介绍。

adaboost则是将一个个的数据一开始设置为一样的权重参数，然后比较分类结果，如果正确降低权重参数，如果错误升高权重参数，通过一次次的改变使得最后的分类效果变好，这个即是自适应增强。

有关代码方面在我的案例中，因为本次学习时间在凌晨4点多，有点困。就不多写了，写点我的理解。