大多数情况下，两者的表现比较相近，但在一些情况中不排除某种方法相对另一种方法有明显优势，因此建议两者都试一下。
random forest将一些较强的分类器组合在一起，boosting trees将一些较弱的分类器组合在一起；因此可以理解为random forest降低方差，boosting tree偏向于降低偏差。
random forest在并行化方面比较有优势。
random forest在一些特征数比较多的情况下（稀疏特征）比较有优势，例如：文本机器学习。