A afirmação é FALSA. O boosting geralmente utiliza modelos fracos (tendenciosos), como árvores de decisão rasas, para melhorar a previsão de funções-alvo complexas, mas não se limita a modelos mais complexos como os mencionados (modelos lineares, perceptrons e Naïve Bayes). O foco do boosting é combinar múltiplos modelos fracos para formar um modelo forte.