一种分类算法，目标是将具有p维特征的
个样本分到c个类别中去。相当于做一个投影，cf
，将样本经过一种变换赋予一种类别标签。决策树为了达到这一目的，可以把分类的过程表示成一棵树，每次通过选择一个特征pi来进行分叉。5随机森林的生成规则（1）如果训练集大小为N，随机且有放回地从训练集中抽取N个训练样本，构成一个新的样本集（含重复的训练样本）。（2）如果每个样本的特征维度为M，指定一个常数m，且
fmM，随机地从M个特征中选取m个特征子集，每次树进行分裂时，从这m个特征中选择最优的，决策树成长期间m的大小始终不变。（注意：此处采用无放回的选择）
（3）每棵树都尽可能最大程度地（完全地）生长，并且没有剪枝过程。
（将预测结果累加起来从而得到整个随机森林的预测果）
通过之前的三步就可以得到一棵决策树，重复X次这样的过程那么就能得到X棵决策树。来一个测试样本就对它分类一遍，就得到X个分类结果。使用简单的投票机制（或用最终分类结果）来判别该样本的所属类。
注意：两类随机性的引入对随机森林的生成至关重要。
6随机森林的简单实例分析
根据已有的训练集已经产生了对应的随机森林，随机森林如
何利用某一个人的年龄（Age）、性别（Ge
der）、教育情况
（Hi
hestEducatio
alQualificatio
）、工作领域（I
dustry）以及住宅地（Reside
ce）共5个字段来预测他的收入层次。
表1收入层次
Ba
d1
Below40000
Ba
d2
40000150000
Ba
d3
Moretha
150000
f随机森林中每一棵树都可以看做是一棵CART分类回归树，这里假设森林中有5棵CART树，总特征个数N5，取m1m为建立决策树时，随机选取的特征个数，这里假设每个CART树对应一个不同的特征。表格中的百分数指的是在不同条件下的数据样本占对应类别的比例
假如要预测的某个人的信息如下：1Age35years2Ge
derMale3HighestEducatio
alQualificatio
Diplomaholder4I
dustryMa
ufacturi
g5Reside
ceMetro
根据这五棵CART树的分类结果，可以针对此人的信息建立收入层次的分布情况：
f最后，我们得出结论：这个人的收入层次70是一等，24是二等，6是三等。所以我们得出结论这个人的收入层次是一等（小于40000）。五、实验流程
1寻找数据集。从UCI数据集网站下载了红葡萄酒品质的数据集。
2打开MATLAB2018a，清空工作区变量。3导入数据集。把下载好的数据集导入进来。4按照写好的代码，利用数据集训练并生成随机森林，计算随
机森林判断样本类别的准确率。六、随r