提升方法是一种常用的统计学习方法，应用广泛且有效。在分类问题中，它通过改变训练样本的权重，学习多个分类器，并将这些分类器进行线性组合，提高分类的性能。提升方法是一种可以用来减小
监督式学习中
偏差的机器学习元算法。
解决的问题是Kearns提出的一个“弱学习者”的集合能否生成一个“强学习者”？ 弱学习者一般是指一个分类器，它的结果只比随机分类器好一点点。强学习者指分类器的结果非常接近真值。
对于一个复杂任务，提升方法将多个专家的判断进行适当综合得出的判断，比其中任何一个专家单独判断更好。提升方法需要回答两个问题：一是在每一轮如何改变训练数据的权值或概率分布；二是如何将弱分类器组合成一个强分类器。