在機(jī)器學(xué)習(xí)的集成方法中，數(shù)據(jù)抽取的方式對于模型訓(xùn)練有重要影響。讓我們逐一分析選項：

A: **袋裝法（Bagging）**
- **特征**：在袋裝法中，每個基學(xué)習(xí)器的訓(xùn)練集是從原始訓(xùn)練集中通過有放回的抽樣獲得的。這意味著每次抽樣時，數(shù)據(jù)可能會被重復(fù)選中，但每筆數(shù)據(jù)被抽中的概率是相等的。

B: **提升法（Boosting）**
- **特征**：提升法在每次迭代時會改變數(shù)據(jù)被抽取的概率。具體來說，提升法會根據(jù)上一輪的預(yù)測效果調(diào)整樣本權(quán)重，從而讓錯分樣本在后續(xù)輪次中有更高的被抽中的概率。因此，在提升法中，每筆被抽中的概率不見得相等。

C: **隨機(jī)森林（Random Forest）**
- **特征**：隨機(jī)森林是袋裝法的一種擴(kuò)展，不僅在樣本上進(jìn)行有放回抽樣（Bagging），還在特征上進(jìn)行隨機(jī)選擇。雖然數(shù)據(jù)會重復(fù)抽取，但如同袋裝法，每筆數(shù)據(jù)被抽中的概率在每輪抽樣時是相等的。

D: **以上皆是**
- 從上述分析可知，只有提升法在抽取樣本時會導(dǎo)致每筆數(shù)據(jù)被抽中的概率不均等。因此，“以上皆是”這一選項是不正確的。

綜上所述，正確答案是：**B:提升法（Boosting）**。