核心思想如下:
	/** Boosting 深度机器学习算法 
	 * 		@重复从一个样本集合D中采集n个样本
	 * 			D可标识为大的数据集合 也就是样本集合 n 则是更具抽规则获取的样本数量
	 * 
	 * 		@针对每次抽取的样本 进行统计学习 目的是获取 [假设H/i]
	 * 			每次样本进行模型学习比如神经网络机器学习方法			
	 * 
	 * 		@将若干个假设进行组合、形成最终假设[H/final]	
	 * 			最终假设就是找到
	 * 				形成 "巧妙的线性组合"然后喂养应用
	 * 			
	 * 		@将最终假设应用于最终的分类任务	
	 * 			应用层产品使用数据层
	 *  
	 */