随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。随机森林的随机性体现在每颗树的训练样本是随机的，树中每个节点的分裂属性集合也是随机选择确定的。有了这2个随机的保证，随机森林就不会产生过拟合的现象了。
举一反三
- 随机森林的随机性体现在哪里（ ）。 A: 每棵树的结点采用随机属性搜索 B: 随机删除一些树内结点 C: 每棵树采用随机取样训练 D: 随机采用随机抽取的样本来训练整个随机森林
- 随机森林的树与树之间是有依赖关系的。(）
- 梯度提升树(Gradient Boosting Decision Tree，GBDT)是一种常拿来与随机森林作比较的算法，该算法也由多个决策树组成，且结果由所有树的结果累加起来得到。与随机森林相似，GBDT既可以做回归树也可以做分类树。(）
- 快速搜索随机树算法是以一个初始点作为根节点，通过随机采样增加叶子节点的方式，生成一个随机扩展树。（ ）
- 一个随机森林包含3棵决策树,一次分类结果中其中2棵决策树的结果是A,另一棵决策树的结果是B,则随机森林的最终分类结果是() A: A B: B C: A和B D: 决策树结果不统一,所以随机森林没有结果