1、简述权值更新方法
（1）初始化权值分布；
（2）找到误差最小的弱分类器；
（3）计算弱分类器的权值；
（4）更新下一轮样本的权值分布；
（5）集合多个弱分类器成一个最终的强分类器。
2、为什么能快速收敛？
因为每轮训练后，都会增大上一轮训练错误的样本的权重，下一轮的分类器为了达到较低的分类误差，会把权重高的样本分类正确，这样导致的结果是虽然每个弱分类器都有可能分错，但是能保证权重大的样本分正确。
3、优缺点？
不宜过拟合，能够从相当弱的弱分类器组合成一个强分类器；
缺点对异常样本比较敏感，异常样本会得到较高的权重，会影响最终的性能。
4、