标准化（Standardization)：（原始数据-平均值）/ 标准差
归一化/规范化（Normalization):（原始数据-数据中的最小值）/（数据中的最大值-数据中的最小值）
在把数据给到算法之前，先将原始数据分成训练集（80%）和测试集（20%），我们会对训练数据集进行标准化或归一化，利用训练数据集得到的均值和标准差或者最小值、最大值来进行计算。训练结束后，我们会用测试数据集去测试模型，我们要对测试数据集进行标准化或者归一化。我们要用训练数据集得到的均值、标准化或者最小值、最大值去进行测试数据集的标准化或者归一化才正确。
随机森林：
样本随机采样 横着分----构建森林模型时
1.子数据集样本多样性
2.袋外样本（未被抽到样本）：可以用于模型最后的验证阶段
3.提升随机森林的鲁棒性
用这种抽取方法，抽取三个子数据集，将三个子数据集分别给到随森林中的三棵决策树，去训练，训练完毕后，当用一条测试样本进行测试的时候，假设三棵决策树给出了各自的分类结果，进入群体决策阶段，群体决策方式：分类问题：用投票方式，少数服从多数；回归问题：计算平均值
特征随机采样 竖着分（随机抽取几个特征）---每个书进行分裂时
第一种：数据集大
第二种：分类问题