不同点：
Adaboost是基于Boosting的算法，个体学习器之间存在强依赖关系，须串行连接。每一轮的训练集不变，只是训练集中每个样例在分类器中的权重发生变化。而权值是根据上一轮的分类结果进行调整，根据错误率不断调整样例的权值，错误率越大则权重越大。
随机森林是基于Bagging的算法，个体学习器没有强依赖关系，可并行连接。个体学习器的训练集是通过随机采样得到的，训练集是在原始集中有放回选取的，并且选出的各轮训练集之间是独立的。使用均匀取样，每个样例的权重相等。用随机选择的特征，这样使得每个弱学习器相关性减小，使得准确性提高。
相同点：
原理相同，均是集成学习算法，通过生成一组个体学习器，然后通过某种策略将他们集合起来。最终生成一个强学习器。