取回式隨機(jī)抽樣（也稱為有放回抽樣）是指在抽樣過程中，所選取的樣本在每次抽取后會被放回原樣本集中，因而可能會在后續(xù)的抽取中再次被選擇。這種方法在某些機(jī)器學(xué)習(xí)的集成算法中得到了應(yīng)用。讓我們分析一下各個(gè)選項(xiàng)：

A: **袋裝法 (Bagging)**
- 袋裝法是一種并行集成學(xué)習(xí)方法。它通過對數(shù)據(jù)集進(jìn)行多次有放回的隨機(jī)抽樣，生成多個(gè)不同的子數(shù)據(jù)集，每個(gè)子數(shù)據(jù)集用于訓(xùn)練一個(gè)模型。最終的結(jié)果通過對這些模型的結(jié)果進(jìn)行平均或投票得到。因此，袋裝法使用了取回式隨機(jī)抽樣。

B: **提升法 (Boosting)**
- 提升法是一種逐步基于前序模型優(yōu)化錯誤的過程，常使用不放回抽樣。通常情況下，它不會使用取回式隨機(jī)抽樣，因?yàn)槊總€(gè)模型的錯誤率會影響下一個(gè)模型的訓(xùn)練過程。

C: **隨機(jī)森林 (Random Forest)**
- 隨機(jī)森林是袋裝法的一種擴(kuò)展，除了使用有放回的隨機(jī)抽樣來生成多個(gè)決策樹，還在每個(gè)節(jié)點(diǎn)進(jìn)行分裂時(shí)隨機(jī)選擇特征。和袋裝法一樣，隨機(jī)森林使用了取回式隨機(jī)抽樣。

D: **以上皆是**
- 基于以上分析，提升法（Boosting）通常不使用取回式隨機(jī)抽樣，所以D選項(xiàng)不正確。

因此，正確答案是：**A: 袋裝法(Bagging) 和 C: 隨機(jī)森林(Random Forest)**。這兩個(gè)方法都使用了取回式隨機(jī)抽樣。