adabag和rpart是两种不同的R软件包，用于解决不同的问题。

1. adabag是一个用于集成学习的R软件包，提供了一些常用的集成学习算法，例如AdaBoost.M1、RUSBoost和SMOTEBoost等。它适用于二分类和多分类问题，并可以处理不平衡数据集。

以下是一个使用adabag包中AdaBoost.M1算法的示例：

# 安装adabag软件包（如果尚未安装）
install.packages("adabag")

# 载入adabag包
library(adabag)

# 使用AdaBoost.M1算法进行分类
data(iris)
train <- iris[1:100, ]
test <- iris[101:150, ]
boost <- boosting(Species ~ ., data = train, boos = TRUE, mfinal = 10)
pred <- predict(boost, newdata = test)
table(pred$class, test$Species)

2. rpart是一个用于决策树建模的R软件包，提供了基于CART算法的决策树建模方法。它适用于分类和回归问题，并可以处理连续和离散特征。

以下是一个使用rpart软件包建立决策树模型的示例：

# 安装rpart软件包（如果尚未安装）
install.packages("rpart")

# 载入rpart包
library(rpart)

# 使用rpart建立决策树模型
data(iris)
model <- rpart(Species ~ ., data = iris)
print(model)

在上述示例中，我们分别展示了使用adabag和rpart软件包解决问题的代码示例。adabag主要用于集成学习，而rpart主要用于决策树建模。具体使用哪个软件包取决于你所面临的问题和数据类型。