mahout中决策森林学习记录

样例程序：BreimanExample.java，这个不是map-reduce的版本。

mahout 中随机森林的实现过程：

1、首先我们要传入森林的规模，也就是-t参数的含义，即森林中决策树的个数。其次当中每个决策树都是未经剪枝的树，即不像ID3和C4.5算法那样会对树进行剪枝。而且训练的过程也稍有不同。

2、每次建一棵树之前，会先对原始样本集进行一次混洗，这里的混洗有点像GA算法中选择运算符的作用，挑选一些子样本作为一棵决策树的输入，这里总的样本数目是一定的，但由于是随机选择，可能输入中会有重复的样本值。在官方的文档对于这里有这样的解释：

each tree is constructed using a different bootstrap sample from the original data. 

3、每次决策不是挑选当前最好的特征作为分割，而是随机挑选{m=log2(M ) + 1M是样本输入特征的个数}个特征，再从这个m个特征中挑选信息增益最大的特征作为分割。

程序比较简单，很容易看懂~