讲授Boosting算法的原理,AdaBoost算法的基本概念，训练算法，与随机森林的比较，训练误差分析，广义加法模型，指数损失函数，训练算法的推导，弱分类器的选择，样本权重削减，实际应用。
AdaBoost算法它最典型的应用是视觉的目标检测，比如说人脸检测、行人检测、车辆检测等等。在深度学习流行之前，用这些简单的特征加上AdaBoost分类器来做目标检测，始终是我们工业界的一个主流的方案，在学术界里边它发的论文也是最多的。
大纲：
实验环节
应用简介
VJ框架简介
分类器级联
Haar特征
训练算法的原理
训练自己的模型
VJ框架的各种改进型
整体总结
实验环节：