随机森林是机器学习的一种方法，计算速度快^[]。它是通过多个决策树构造而成，最终的输出结果是由多个决策树组合而成的结果，因此由于任何一个单个决策树的输出结果^[]。

本研究在构造随机森林模型过程中使用ID3算法建立决策树，并对ID3算法进行改进，在特征选择时进行最大特征数的限定，通过调节最大特征数以及决策树的个数，观察两者对随机森林的预测结果的影响，寻找最优参数，构造随机森林，实现分类目的。

随机森林所谓随机。即指样本以及特征的随机选择，本研究将数据集进行划分，对训练集的279个样本进行又放回地随机抽取，对抽取出的K组样本进行训练。