或自助抽樣法是一種從給定訓練集中有放回的均勻抽樣，也就是說，每當選中乙個樣本，它等可能地被再次選中並被再次新增到訓練集中。
每次構建單個的時候樹 / root node / internal node的時候只使用 變數 或者 column的子集
構建了非常多的樹之後，用每個樹來投票
因為構建每棵樹的時候，使用的是有放回的資料，每棵樹都有重複的資料和沒有拿到的資料，沒有拿到的資料稱為out-of-bag samples，使用out-of-bag samples來評價一棵樹的價值就好了
在構建單棵樹的時候，每次只拿少部分的column來構建葉子，調整每次的column數量那麼就是一種調整超級引數的辦法
填值（初值）
趨同性取值
迭代重複這個過程直到最後的結果不再變化，那麼最後的值就為填值結果
把該數值的組合和最後的結果的組合任意排列，然後用排列的數值來當做已知資料，再帶入模型裡面，看最後的**結果是否與假設結果一致，取最高的即可。
簡單點，取category的各種可能性，然後**各自的結果，取vote最高的數值即可
隨機森林（Random Forests）
在機器學習中，隨機森林是乙個包含多個決策樹的分類器。要說隨機森林，必須先講決策樹。決策樹是一種基本的分類器，一般是將特徵分為兩類。構建好的決策樹呈樹形結構，可以認為是if then規則的集合，主要優點是模型具有可讀性，分類速度快。決策樹的主要工作，就是選取特徵對資料集進行劃分，最後把資料貼上兩類不同...
隨機打亂 隨機發牌
一.產生乙個隨機數 1.new random nextint 10 0,10 的隨機數 2.二.如何打亂乙個陣列或隨機排序，除了 random之外collections.shuffle非常方便，且效率高。可以實現隨機打亂列表的功能，實現把員工 順序 打亂等，安全傳輸方面，比如傳送加密前，把資料隨機打...
隨機森林隨機 三
2018年7月22日 陣雨 感冒發燒喉嚨疼，只因為一杯正常冰的奶蓋！以後得少喝加冰的東西了.前面說的是整合學習的兩種形式，這跟隨機森林有啥關係呢？隨機森林是bagging的乙個擴充套件變體.簡單的來說，當bagging演算法中的base learner為決策樹並在訓練決策樹的過程中加入隨機屬性選擇，...