RF全称Random Forest随机森林，是一种bagging方法，子模型（决策树）可能有点过拟合。随机森林就是我们有放回的抽取样本，构建一个模型。之后重复这个过程。在有放回的抽取样本的同时，我们还可能抽取特征，就是我们不使用全部的特征。然后就这样一轮一轮来，构建多个模型，每个模型有着不同的权重。最后通过投票方式预测新样本。SVM就是常见的分类模型啦，（可能通过核函数升维的方法）寻找最优分割平面。SVM的优点在于memory efficient，适用于分类边界明显的数据集，但它不适用large dataset。随机森林能够容忍outliers，对非线性数据拟合程度还可，也基本不会出现过拟合问题，也适合large dataset，就是有点慢

编辑于 今天 13:39:35