股票市场是一个复杂的受多因素影响的非线性动态系统，传统的方法预测和选股的结果不尽理想。近年来，基于机器学习的分析方法取得了良好的效果。 本文介绍了机器学习算法在选股中的应用，并对Adaboost算法做了详细的研究。本文旨在基于Adaboost算法建立多因子选股模型，通过对个股的各项指标进行分析，选取优质的股票。同时，根据基本Adaboost分类模型的缺陷，对Adaboost模型进行优化，创造性地提出了改进的Adaboost模型。通过对上证A股的2461只股票进行实证分析，检验了基于Adaboot算法的选股模型和其改进模型的实用性和准确性。实证表明，基于Adaboost算法和该进的Adaboost算法建立的选股模型具有良好的效果，能够较为准确地选出优质股票， 获得超出市场平均收益率的超额收益。