对于随机森林的最新理解

随机森林的实现：对样本进行多次有放回的抽样，节点分裂时采用的解释变量也要抽样，这两步保证随机森林尽可能少的过拟合。

随机森林没有太多的超参数需要调节，但需指定树的数量，理论上树的数量越多，训练效果越好，但时间损耗可能与带来的增益不成正比。

GINI 系数判别解释变量的重要性，通过每个变量对子节点纯度的影响，通俗来讲，采用变量A作为子节点的分裂规则，可使子节点上样本大都属于同一类，这时纯度即高。