随机森林就是包含多个子决策树的模型，但是如何构建是有讲究的：
比如森林包含n个子决策树，这些决策树的模型是 一样的
训练样本随机抽样：
将一个大样本，通过随机抽取的办法，形成n个子样本，样本见元素可以重复
特征随机抽样：
特征也随机抽样，某个子决策树，使用部分特征，可以重复
这些随机抽样的目的是使不同子决策树之间差别尽量大，这样投票才更有意义！
投票得到结果：
这样对于一个测试数据，不同子决策树产生一个结果，使用投票得到最终结果
随机森林就是包含多个子决策树的模型，但是如何构建是有讲究的：
比如森林包含n个子决策树，这些决策树的模型是 一样的
训练样本随机抽样：
将一个大样本，通过随机抽取的办法，形成n个子样本，样本见元素可以重复
特征随机抽样：
特征也随机抽样，某个子决策树，使用部分特征，可以重复
这些随机抽样的目的是使不同子决策树之间差别尽量大，这样投票才更有意义！
投票得到结果：
这样对于一个测试数据，不同子决策树产生一个结果，使用投票得到最终结果