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
A: 升高
B: 降低
C: 不变
D: 置0
举一反三
- Adaboost算法是一个弱分类器算法（）
- 各个弱分类器的训练过程结束后，分类误差率小的弱分类器的权重较大，其在最终的分类器中起着较大的决定作用。
- 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。
- Adaboost算法在组合基分类器的时候让分类效果好的弱分类器具有较大的权重,而分类效果差的分类器具有较小的权重,并不要求所有分类器权重的和为1。<br/>()
- 在Adaboost算法的训练过程中，根据每个基分类器的分类结果对其表决权赋予一个权重，下列说法正确的是（） A: 基分类器错误率越低，表决权重越小 B: 基分类器错误率越低，表决权越大 C: 每个基分类器的权重一样大 D: 所有基分类器的权重都不相同