决策树C4.5算法，从1248个属性中选出18个分类属性，每一个属性里的每一个值a，通过a把数据分成两个部分，然后计算每一部份的信息熵，计算这个属性值a的“信息增益“，然后得到这个属性最大信息增益的分类间隔数；求出所有18个属性的的信息增益和间隔后，求出最大“信息增益率“的属性，作为树根的分类属性。然后通过这个属性的这个分类间隔求出做子左和右子树，去掉最大信息增益率的属性，分别应用决策树算法。；依次迭代下去生成一颗树。

包括了一个随机森林算法， 并使用两个数据集进行训练。里面包含一个脚本文件，并插入了SMOTE插值、PCA降维以及LDA降维。其他降维方式的工具包在我的其他文件中

本资源主要简单介绍随机森林的原理，随机森林的应用特点，以及它的实例和在python上的实现。