以SVM这样的强分类器作为弱分类器使用，有可能会造成两个问题：
1. 第一次产生的分类器错误率已经达到上限，使后面的分类器起不到效果，或者说分类器的差异性太小；
2. 训练出的多个分类器，基本是相似位置的超平面，也就是说，最后组合得到的还是一个线性分类器，因此模型对数据的拟合能力，不如非线性分类器，达不到adaboost组合变强的结果。
经请教，以SVM作为弱分类器，弱分类器使用的训练样本依然是原始样本，权重是在损失函数中考虑的，比如权重是w，如果把某个样本分错了，损失就不是1，而是w，所以，为了使得损失函数最小，分类器就会尽量将权值大的样本分对。
