Náhodný test je pokročilý implementace algoritmu s hašováním se stromovým modelem jako základní model.

V náhodných lesích je každý strom v kompletu sestaven ze vzorku odebraného s náhradou (např. ze zaváděcího vzorku) ze sady školení. Když rozdělíte uzel během konstrukce stromu, rozdělení, které je zvoleno, již není nejlepší rozdělení mezi všemi funkcemi. Místo toho se vybraná rozdělená část nejlépe rozdělí mezi náhodnou část funkcí. Vzhledem k této náhody se přednost lesa obvykle mírně zvyšuje (s ohledem na podjatost jednoho nenáhodného stromu), ale vzhledem k průměru jeho rozptyl se také snižuje, obvykle více než kompenzování zvýšení podjatosti, což vede k celkově lepšímu modelu.¹

Uzel Náhodný les v produktu Watson Studio je implementován v Python. Paleta uzlů obsahuje tento uzel a další uzly Python .

Další informace o náhodných doménových algoritmech najdete v tématu Lesy náhodných stromů.

¹L. Breiman, "Random Forests," Machine Learning, 45 (1), 5-32, 2001.