Adaboost、GBDT、XGBOOST都是基于boosting的集成学习，随机森林是基于bagging的集成学习

正确答案是D: 随机森林。

分析如下：

1. **Adaboost**：Adaboost（Adaptive Boosting）是一种提升方法，通过组合多个弱分类器来形成一个强分类器。它是最早提出的提升方法之一。

2. **GBDT**：GBDT（Gradient Boosting Decision Tree，梯度提升决策树）是一种基于提升方法的集成学习算法，通过逐步加法模型来优化目标函数。

3. **XGBOOST**：XGBoost（Extreme Gradient Boosting）是GBDT的改进版本，具有更高效的计算能力和更强的正则化能力。

4. **随机森林**：随机森林（Random Forest）是一种集成学习方法，但它并不属于提升方法。随机森林是通过构建多个决策树并取其多数投票结果来进行分类，而不是逐步提升模型性能。

提升方法（Boosting）主要是通过调整模型的权重来减少偏差，而随机森林则是通过随机选择特征和数据子集来减少过拟合。因此，随机森林不属于基于Boosting的集成学习算法。