首先我们来复习一下之前介绍过的两个机器学习模型：Bagging和DecisionTree。Bagging是通过bootstrap的方式，从原始的数据集D中得到新的D^；然后再使用一些basealgorithm对每个D^都得到相应的gt；最后将所有的gt通过投票uniform的形式组合成一个G，G即为我们最终得到的模型。DecisionTree是通过递归形式，利用分支条件，将原始数据集D切割成一个个子树结构，长成一棵完整的树形结构。DecisionTree最终得到的G(x)是由相应的分支条件b(x
