随机决策树算法在精度和效率上都有不错的表现，但是并行化却很困难。可以看到我们在决策树算法中用随机方法替代了贪婪方法来构建树结构，从而获得了效率上的很大的提高。但是树结构本身的复杂性，使得其很难进行并行。为了克服这个问题，我们是否可以考虑用其他方法（例如随机决策哈希算法）来取代树结构对数据空间的划分，从而克服并行化困难呢？但由于篇幅有限，该问题暂不属于本文的讨论范围，有机会笔者将在后续文章中讨论。
学习参考Is random model better? On its accuracy and efficiency , Fan, W., Wang, H., Yu, P.~S. and Ma, S.:, IEEE, ICDM, 3 (2003).
J. K. Martin and D. S. Hirschberg, The Time Com plexity of Decision Tree Induction, 1995.
（Random Decision Tree）简介。