实现AdaBoost（Adaptive Boosting）算法的拟合方法。AdaBoost是一种集成学习算法，通过组合多个弱分类器来构建一个强分类器。 基分类器使用决策树桩，分类阈值请采用集合内用于分割的某数据的某特恒值，分类标准使用分类错误率。

输入描述:

函数`adaboost_fit`接收三个参数：1. X：特征矩阵，numpy二维数组，形状为(n_samples, n_features)2. y：标签向量，numpy一维数组，形状为(n_samples,)，取值为{-1, 1}3. n_clf：弱分类器的数量，整数

输出描述:

返回一个列表，包含n_clf个字典，每个字典包含以下键值对：- 'polarity'：分类方向，1或-1- 'threshold'：分类阈值- 'feature_index'：使用的特征索引- 'alpha'：分类器权重

备注:

1.对应的输入、输出已给出，您只用实现核心功能函数即可。2.支持numpy、scipy、pandas、scikit-learn库。