摘要：
随机森林在机器学习中，随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。学习算法：1. 用N来表示训练例子的个数，M表示变量的数目。2. 我们会被告知一个数m，被用来决定当在一个节点上做决定时，会使用到多少个变量。m应小于M。3. 从N个训练案例中以可重复取样的方式，取样N次，形成一组训练集（即bootstrap取样（待了解））并使用这棵树来对剩余预测其类别，并评估其误差。4. 对于每一个节点，随机选择m个基于此点上的变量。根据这m个变量，计算其最佳的分割方式。5. 每棵树都会完整成长而不会剪枝（Pruning）（未完待续） 阅读全文
