集成學習方法
隨機森林是一種集成學習方法，它結合了多箇決策樹的結果來提高分類或迴歸的準確性。
隨機森林的構建基於兩個主要概念：“隨機性”和“森林”隨機性體現在構建每棵決策樹時，採用隨機抽樣和特徵選擇的方式來增加模型的多樣性，從而減少過擬合；而森林則是指由多棵決策樹構成的集合。在分類問題時，隨機森林會綜合各棵樹的分類結果，通過投票機制得出最終分類；在迴歸問題時，則輸出所有決策樹輸出的平均值。
由於其高度的準確性、魯棒性和可解釋性，隨機森林在數據挖掘、金融風險評估、醫學診斷等多箇領域得到了廣泛應用。