Random Forest
随机森林训练多棵决策树，每棵用自助采样数据与随机特征子集，预测时投票/平均，降低方差。
用途
鲁棒易用的集成方法，减少决策树过拟合。
机制
每棵树用 bootstrap 样本训练，每次分裂仅考虑随机特征子集（√p）。预测取多数投票（分类）或均值（回归）。袋外误差估计泛化误差。
用例
- 分类与回归
- 特征重要性
- 鲁棒预测
随机森林训练多棵决策树，每棵用自助采样数据与随机特征子集，预测时投票/平均，降低方差。
鲁棒易用的集成方法，减少决策树过拟合。
每棵树用 bootstrap 样本训练，每次分裂仅考虑随机特征子集（√p）。预测取多数投票（分类）或均值（回归）。袋外误差估计泛化误差。