随机森林：一种常用的集成学习方法，由许多决策树组成；通过对数据进行随机抽样、对特征进行随机选择来训练多棵树，并将它们的预测结果进行投票（分类）或平均（回归），以提升准确率并降低过拟合风险。（该术语在其他语境中也可能被字面使用，但最常见含义是机器学习算法。）
/rndm frst/
Random forest is a popular algorithm for classification.
随机森林是一种常用的分类算法。
By averaging predictions from many decision trees, a random forest can reduce overfitting and handle high-dimensional data more robustly than a single tree.
通过对多棵决策树的预测取平均，随机森林能减少过拟合，并且通常比单棵树更稳健地处理高维数据。
“Random forest”由 random（随机的） + forest（森林）构成：把许多“树（decision trees）”组合起来就像一片“森林”。“随机”指训练过程中引入随机性（如自助采样 bootstrap、随机选取特征子集），以让各棵树差异更大，从而提高集成后的整体表现。该术语与方法在现代机器学习中因 Leo Breiman 的工作而广泛流行。
Select Language