回答思路

boosting：训练基分类器时采用串行的方法，各个基分类器有依赖，每一层训练时，对前一层分错的样本给与更高的权重，测试时，根据各层分类器的结果的加权得到最终结果。 bagging：集体决策，分而治之。基分类器最好是本身，对样本分布较为敏感。