第一次提交数据：
今天用了8个特征，加上的这一个特征是 从3000条测试数据中测试失败的数据总结出来的
树的数目为50
再次使用3000条测试数据测试结果—— 结果不错： 99%
但是运行官网数据结果分数——降低0.5 为58.55分
总结：总特征数目为8，树的数目远远超过特征数，以后树的数目不能多于特征的1.5倍，否则结果很难得出结论，无说服力
第二次提交数据：
本次使用9个特征，加上的特征是 从3000条测试数据中测试失败的数据总结出来的
树的数目为12
使用3000条测试数据测试结果—— 结果不错： 99%
运行官网数据结果分数有所提升
总结：总特征数目为9，树的数目12，正确率上升，事实说明 ：一个没有特征的决策树会也会抽取数据训练 ， 最终也会对随机森林最终结果产生影响
那么继续观察以前的失败数据，提取新的特征