bagging:从总体样本中随机选取一部分样本进行训练,通过多次的抽取训练,进行投票获取平均值作为结果输出,极大的避免了不好的样本数据,从而提高了准确度.随机森林: 基于树模型的Bagging的优化版本,生成多个树,解决了决策树泛化能力弱的缺点, 树的生长过程:1.训练集大小为N,对于每棵树,随机且又放回的从训练集中的抽取N个训练样本,作为该树的训练集 Sulv310*
