diff --git a/docs/7.集成方法-随机森林和AdaBoost.md b/docs/7.集成方法-随机森林和AdaBoost.md
index 17d75418..7ca121a2 100644
--- a/docs/7.集成方法-随机森林和AdaBoost.md
+++ b/docs/7.集成方法-随机森林和AdaBoost.md
@@ -108,6 +108,9 @@
 
 ![AdaBoost代码流程图](/images/7.AdaBoost/adaboost_code-flow-chart.jpg "AdaBoost代码流程图")
 
+基于单层决策树构建弱分类器
+* 单层决策树(decision stump, 也称决策树桩)是一种简单的决策树。
+
 ```
 发现：
 alpha 目的主要是计算每一个分类器实例的权重(组合就是分类结果)
@@ -118,10 +121,6 @@ D 的目的是为了计算错误概率： weightedError = D.T*errArr，求最佳
 
 ![AdaBoost算法权重计算公式](/images/7.AdaBoost/adaboost_alpha.png "AdaBoost算法权重计算公式")
 
-基于单层决策树构建弱分类器
-* 单层决策树(decision stump, 也称决策树桩)是一种简单的决策树。
-
-
 ### 知识点补充
 
 > 过拟合(overfitting, 也称为过学习)