AdaBoost算法会迭代什么？

Question

尽管我无法完全理解该算法的结构，但我还是试图以弱者作为决策树来实现AdaBoost算法。 我正在Wikipedia页面上了解算法-https: //en.m.wikipedia.org/wiki/AdaBoost由于算法是迭代的，因此我们从't in 1 ... T'进行迭代，但是这个T到底是什么？ 是数据集中的样本总数，还是这是用于拆分决策树桩的可能特征的数量？ 如果这是样本数，那么这是否意味着我们可能会在多个弱学习者中分裂同一特征？ 还是对数据样本加权的方法阻止了这种情况的发生？

Answer 1

AdaBoost（和所有增强算法）迭代地训练许多弱模型（指定为参数），将其输出汇总以形成最终集合。

所以T这里是个弱学习训练的次数。