在Adaboost算法中,每个基本分类器的权重和数据样本的权重都是通过迭代求解而来。具体做法是,在每次迭代中,根据上一轮训练出的弱分类器的表现情况来调整样本权重,然后使用这些权重来训练下一个弱分类器。而zt的归一化常数是为了保证本轮迭代中训练样本分布的概率密度函数积分为1而引入的。具体计算方法为,将本轮迭代中分类错误的样本的权重之和记为$\epsilon_t$,将正确分类的样本的权重之和记为$1-\epsilon_t$,然后令$z_t=2\sqrt{\epsilon_t(1-\epsilon_t)}$,最后通过将所有样本的权重除以$z_t$来完成zt的归一化常数的计算。