bagging是從樣本集中抽樣出子訓練集，訓練處多個基模型，然后通過投票表決決定最重的越策結果；而boost是每一輪都是用的是同一個數據集，但是樣本的權重不同，訓練多個基分類器，最終將多個基分類器組合場強分類器。
bagging是又放回的抽樣，而boosting使用的是同一個樣本集，只是樣本的權重不同。
bagging各個基模型可以並行生成，而boosting各個預測模型只能順序生成。