刚开始，一个快速的想法。

随机森林可以并行运行，而且训练起来要快得多，而 Boosting 是一种迭代算法。但是，Boosting 可能会在早期迭代方面收敛。

当有许多嘈杂的特征时，提升可能会过拟合，但随机森林也有。

另一方面，他们的目标几乎是相似的：产生许多不同的弱学习器，彼此尽可能地不同。随机森林通过随机化来解决问题，而 Boosting 则专注于先前模型的错误分类示例以构建不同的模型。

我会使用样本中表现更好的那个。

到目前为止，我发现不可能先验地判断哪种模型更适合新问题。