一个分类器的分类准确率在60%-80%，即：比随机预测略好，但准确率却不太高，我们可以称之为“弱分类器”，比如CART（classification and regression tree）。
反之，如果分类精度90%以上，则是强分类器
弱分类器在adaptive boosting（Adaboost）的作用仅仅是提供了一个训练方向（就是看弱训练在那个特征（或者叫方向）上面的误差最大），然后在这个方向上面增强训练权值，即所谓强训练。最后组合起来的就是最终的结果。可以看到弱训练只是要提供一个好的训练方向就行了，而强训练才是最终模型优良的关键，强分类器的设计在于如何组合