一個分類器的分類准確率在60%-80%，即：比隨機預測略好，但准確率卻不太高，我們可以稱之為“弱分類器”，比如CART（classification and regression tree）。
反之，如果分類精度90%以上，則是強分類器
弱分類器在adaptive boosting（Adaboost）的作用僅僅是提供了一個訓練方向（就是看弱訓練在那個特征（或者叫方向）上面的誤差最大），然后在這個方向上面增強訓練權值，即所謂強訓練。最后組合起來的就是最終的結果。可以看到弱訓練只是要提供一個好的訓練方向就行了，而強訓練才是最終模型優良的關鍵，強分類器的設計在於如何組合