题目内容

某电商平台利用机器学习进行交易反欺诈。算法团队已经离线训练好了一个随机森林模型，现在需要你来实现该模型在线上的预测引擎。

随机森林由多棵独立的决策树（Decision Tree）组成。每笔交易包含 $M$ 个特征属性。预测时，每棵决策树都会从根节点开始独立对交易进行评估：

• 如果遇到内部节点，会判断交易的第 $idx$ 个特征值是否小于等于阈值 $val$：如果是，则走向左子节点；否则走向右子节点。
• 如果走到叶子节点，该树会输出一个预测类别：$0$ 代表正常交易，$1$ 代表欺诈交易。

最终，整个森林的预测结果采用“多数表决”（Majority Voting）原则，即统计所有树输出的类别，得票数最多的类别作为最终结果。注意：如果 $0$ 和 $1$ 的票数相同，出于用户体验考虑，一律判定为正常交易（输出 $0$）。