随机森林RF

Random Forest 是Bagging算法的进化版，也就是说，它的思想仍然是bagging,但是进行了独有的改进。

bagging+CART决策树=随机森林

首先，RF使用了CART决策树作为弱学习器；
第二，在使用决策树的基础上，RF对决策树的建立做了改进，对于普通的决策树，我们会在节点上所有的n个样本特征中选择一个最优的特征来做决策树的左右子树划分，但是RF通过随机选择节点上的一部分样本特征，这个数字小于n，这样进一步增强了模型的泛化能力。　

除了上面两点，RF和普通的bagging算法没有什么不同。

具体内容见大佬博客https://www.cnblogs.com/pinard/p/6156009.html