Random Forest
Un bosque aleatorio entrena muchos árboles de decisión, cada uno sobre una muestra bootstrap con un subconjunto aleatorio de características, y vota/promedia en la predicción, reduciendo la varianza.
Propósito
Proporcionar un ensemble robusto y fácil de usar que reduce el sobreajuste de los árboles de decisión.
Mecanismo
Cada árbol se entrena con una muestra bootstrap y cada división considera solo un subconjunto aleatorio de características (√p). La predicción usa votación mayoritaria (clasificación) o la media (regresión). El error out-of-bag estima el error de generalización.
Casos de uso
- Clasificación y regresión
- Importancia de características
- Predicción robusta