NaiveBayes AdaBoostNaiveBayes和AdaBoost实现

在我的分类框架中实现了两种算法：NaiveBayes和AdaBoost（作为NaiveBayes的扩展）。朴素贝叶斯方法基于贝叶斯定理和特征独立性的假设进行监督学习。我实现了二元分类，根据分类规则将给定集合的元素分为两组。所有数据集中的属性均被视为分类属性。你可以参考维基百科了解更多细节。

AdaBoost（Adaptive Boosting）是一种机器学习中的提升方法，其核心思想是通过组合多个相对较弱且不准确的模型来构建一个高准确度的预测模型。我在框架中实现了AdaBoost与NaiveBayes作为分类器接口，然而，AdaBoost并没有自己的分类算法，而是多次调用NaiveBayes来生成模型。