以下属于集成学习模型的是（）。A. 决策树B. 随机森林C. AdaBoostD. MeanShift

集成学习模型的核心在于组合多个基学习器，通过协同工作提升整体性能。常见的集成方法包括Bagging（如随机森林）和Boosting（如AdaBoost）。本题需判断选项中哪些属于此类模型。

关键点：

1. 决策树是单个模型，常被集成到其他方法中，但本身不是集成学习。
2. 随机森林通过多棵决策树投票实现集成。
3. AdaBoost通过迭代调整样本权重组合弱学习器。
4. MeanShift属于聚类算法，与集成学习无关。

选项分析

A. 决策树

• 决策树是单模型算法，通过树状结构进行决策，未涉及多个模型的组合，因此不属于集成学习。

B. 随机森林

• 随机森林是Bagging的典型代表，通过生成多棵决策树并对预测结果取平均（回归）或投票（分类），显著提升模型的泛化能力和稳定性，属于集成学习。

C. AdaBoost

• AdaBoost是Boosting的代表算法，通过迭代调整样本权重，使后续模型关注之前分类错误的样本，最终通过加权投票组合弱学习器，属于集成学习。

D. MeanShift

• MeanShift是一种无监督聚类算法，基于核密度估计寻找数据密度最大值，未涉及多模型组合，不属于集成学习。