github上的项目，跟着一起学习
项目地址 https://github.com/MLEveryday/100-Days-Of-ML-Code
随机森林：有监督 集成学习模型（建立很多决策树，再集成） 主要用于分类和回归
随机森林与决策树的区别：随机森林中，查找根节点和分割特征节点的过程是随机进行的。
决策树的构建方式：
1. 随机选取数据：训练集N个样本，有放回的随机抽取n个
2.特征的随机选取：样本有M个特征，随机选取其中的m个，将m个中最优的分裂特征用来分裂节点
随机森林的预测：
1. 用每个决策树的规则来预测测试特征的结果
2. 计算每个预测目标的票数
3. 票数最高的作为最终结果