先要理解好决策树算法，才能更好的理解随机森林，随机森林就是用随机选择的样本集，随机选择的条件属性建立多棵决策树。
设具有N个样本的训练集（数据集）：
它们的标签为：
随机森林算法的步骤：
每一次建立一棵决策树的步骤
第一步：从上述N个样本数据集中，进行N次有放回的抽样。
第二步：规定好一个M，每建立该决策树的节点，随机从所有条件属性中选择M个条件属性，根据（信息增益，信息增益率，GINI系数）选择该节点的分裂属性。
随机森林中很好的开源代码，Java中的weka，python中Scikit-Learn