AdaBoost是一种流行的元算法，通过组合多个弱分类器构建一个强分类器。它具有泛化错误率低、易编码、适用于大部分分类器的优点，无需参数调整。然而，它对离群点敏感。AdaBoost使用单层决策树作为弱分类器，通过迭代训练和调整权重的过程得到最终的分类结果。

本文介绍了支持向量机的原理和应用，包括工作原理、优化问题和核函数的应用。支持向量机是一种用于分类的机器学习算法，具有泛化错误率低、计算开销不大、结果易于解释等优点。支持向量机适用于数值型和标称型数据。