本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 机器学习和 RCF 参考
<a name="learn-more-about-machine-learning-and-rcf"></a>

要了解更多有关机器学习和此算法的信息，我们推荐以下资源：
+ [可靠的随机砍伐森林 (RRCF)：没有数学说明](https://www.linkedin.com/pulse/robust-random-cut-forest-rrcf-math-explanation-logan-wilt/)一文提供了清晰的说明但没有数学方程式。
+ [*The Elements of Statistical Learning: Data Mining, Inference, and Prediction*, Second Edition (Springer Series in Statistics)](https://www.amazon.cn/Elements-Statistical-Learning-Prediction-Statistics/dp/0387848576) 一书提供了机器学习的全面基础。
+ [Random Cut Forest Based Anomaly Detection On Streams](http://proceedings.mlr.press/v48/guha16.pdf)**，这是一篇学术论文，深入介绍了异常检测和预测技术并提供了示例。

其他 Amazon 服务中出现了不同的区域合作框架方法。如果要了解如何在其他服务中使用 RCF，请参阅以下内容：
+ *适用于 Apache Flink 的 Amazon 托管服务 SQL 参考：RANDOM\_CUT\_FOREST 和* [https://docs.amazonaws.cn/kinesisanalytics/latest/sqlref/sqlrf-random-cut-forest.html](https://docs.amazonaws.cn/kinesisanalytics/latest/sqlref/sqlrf-random-cut-forest.html)
+ *Amazon SageMaker 开发者指南：*[随机砍伐森林 (RCF) 算法](https://docs.amazonaws.cn/sagemaker/latest/dg/randomcutforest.html)。[Machine Learning for Business](https://www.amazon.cn/Machine-Learning-Business-Doug-Hudgeon/dp/1617295833/ref=sr_1_3)（2018 年 10 月）中的[随机砍伐森林算法](https://freecontent.manning.com/the-randomcutforest-algorithm/)一章中也解释了这种方法。