GBM和随机森林都是基于树的算法，它们有什么区别？
- RF采用bagging技术做出预测；GBM采用boosting技术做出预测
- bagging技术，数据集采用bootstrap随机采样的方法被划分为n个样本，对多棵树的结果进行加权或者取平均；boosting在第一轮预测之后，增加分类出错的样本权重，减小错误率高的基学习器（树）的权重，持续进行，一直到达停止标准。
- RF采用减小方差提高模型精度，生成树之间没有相关性；GBM在提高精度的同时降低了偏差和方差，某一个基学习器是以上一个基学习器的结果为基础，基学习器之间具有相关性。
