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：

提升方法（Boosting）是一种集成学习技术，通过将多个弱分类器结合起来，形成一个强分类器，以减小偏差和提高预测性能。基于Boosting的集成学习的代表算法包括：

A: Adaboost（Adaptive Boosting）：这是最早提出的Boosting算法之一，通过调整每个弱分类器的权重，逐步提高分类器的准确性。

B: GBDT（Gradient Boosting Decision Tree）：又称梯度提升决策树，是一种通过逐步优化损失函数来构建多个决策树的Boosting方法。

C: XGBOOST（Extreme Gradient Boosting）：这是GBDT的一种高效实现，具有更高的性能和更强的功能，如处理缺失值和并行计算等。

D: 随机森林（Random Forest）：这是一种Bagging（Bootstrap Aggregating）方法，而不是Boosting方法。随机森林通过构建多个决策树，并通过投票机制来决定最终输出，主要是通过减少方差来提高模型的稳定性。

因此，随机森林并不属于基于Boosting的集成学习算法。