Um dos temas atuais em aprendizado de máquina supervisionado está relacionado com o estudo de métodos de construção de ensembles de classificadores, os quais podem ser mais precisos que os classificadores individuais que compõem o ensemble. Vários métodos têm sido propostos para construir ensembles, entre eles métodos que manipulam o conjunto de exemplos de treinamento. Existem várias técnicas para manipular o conjunto de treinamento, entre elas a técnica do Boosting. O objetivo deste trabalho é analisar experimentalmente a técnica de Boosting utilizando dois algoritmos de aprendizado de máquina: um que induz árvores de decisão e outro que induz regras.