基于决策树实现的随机森林算法，是数据挖掘中一个经典的分类算法，对初学者具有很好的学习参考意义。-Based on Decision Tree achieved random forests algorithm is a classical data mining classification algorithm, for beginners to learn with a good reference value.

基于Java语言实现的随机森林，其中主要用到了Weka包来封装-Java-based implementation of random forests, mainly used in the Weka package to package

借助weka实现的随机森林算法，值得一看，随便写的。基本实现了原理。-With random forests algorithm weka implementation, worth a visit, just write. The basic realization of the principle.

自己编写的weka RandomForest 基于Id3 tr-I have written weka RandomForest based Id3 tree

随机森林是由多棵树组成的分类或回归方法。主要思想来源于Bagging算法，Bagging技术思想主要是给定一弱分类器及训练集，让该学习算法训练多轮，每轮的训练集由原始训练集中有放回的随机抽取，大小一般跟原始训练集相当，这样依次训练多个弱分类器，最终的分类由这些弱分类器组合，对于分类问题一般采用多数投票法，对于回归问题一般采用简单平均法。随机森林在bagging的基础上，每个弱分类器都是决策树，决策树的生成过程中中，在属性的选择上增加了依一定概率选择属性，在这些属性中选择最佳属性及分割点，传统做法