随机森林，决策树打分

随机森林是一种集成学习方法，它由多个决策树组成。每个决策树都是独立训练的，通过对输入样本进行随机有放回抽样（bootstrap）和随机特征选择，来构建不同的决策树。最后，通过投票或取平均值的方式，将每个决策树的结果进行集成，得到最终的预测结果。

决策树打分是指决策树对样本进行分类或回归时所使用的评分方法。在分类问题中，常用的评分方法有基尼系数和信息增益；在回归问题中，常用的评分方法有均方误差和平均绝对误差。这些评分方法用于衡量决策树在选择特征进行分裂时的优劣程度，以及在叶节点上对样本进行分类或回归时的准确性。