随机森林是机器学习中的一种分类算法，在介绍随机森林之前，非常有必要了解决策树这种分类器。
决策树是一种分类器，通过训练集构建一颗决策树，从而可以对新的数据预测其分类。一颗构建好的决策树如下：
图片来源于百度百科，可以看到这颗决策树的目标是将数据分成 "使用" 和 "不使用" 两类，分类的条件有树中的节点来决定；
而随机森林算法，可以看到有好多颗决策树构成的分类器，首先通过有放回的抽样从原始数据集中构建多个子数据集，然后利用每个子数据集构建一颗决策树，最终的分类效果有多颗决策树预测得到的众数决定；
之所以叫做随机森林，是因为两个核心观点：
1）子数据集的构建，通过随机抽样得到，所以有随机这个关键词
2）在这个分类器中，有多颗决策树，所以有森林这个关键词
来看一个随机森林算法的具体例子：
图片来源于百度百科，原始数据集包含3个样本，首先通过有放回的随机抽样构建了3个子数据集，需要注意的是，子数据集的大小和原始数据集的大小是相同的，而且由于采用了有放回的随机抽样，所以子数据集中数据会有重复；
子数据集创建完之后，利用每一个子数据集构建一颗决策树，这里有3颗决策树，每科决策树都会将输入数据分成A 和 B两类；
设想有一批待分类数据，采用上述的随机森林分类器进行分类，3颗决策树会给出3个分类结果，采用3个分类结果的众数作为这批数据最终的分类结果;
参考资料：
https://baike.baidu.com/item/%E9%9A%8F%E6%9C%BA%E6%A3%AE%E6%9E%97/1974765?fr=aladdin