代价函数：Cost(T)=Err(T)+α⋅∣L(T)∣其中Err(T)是树T的分类误差，∣L(T)∣是叶节点数，α是惩罚成本（α≥0）。前提：弱分类器为“不稳定”分类法，即数据集微小变动导致结果显著变化，如决策树、神经网络。放回采样生成T个独立子集，用每个独立子集训练一个弱分类器，预测采用。信息增益 Gain(S,A)=H(S)-H(S|A)=H(S)-∑。缺点：偏向选择取值多的属性（如”ID“