随机森林 (Random Forest©) 是将树模型用作基本模型的组装算法的高级实现。

在随机森林中，整体中的每个树都是从使用训练集合的替换（例如，bootstrap 样本）绘制的样本构建的。 在树构建期间分割节点时，选中的分割不再是所有特征之间的最佳分割。 相反，选取的分割是特征的随机子集中的最佳分割。 由于此随机性，森林偏差通常略微增加（针对单个非随机树的偏差），但是由于平均化，其方差会降低，通常超过偏差增加的补偿，因此生成整体更优秀的模型。¹

watsonx.ai Studio中的随机森林节点是用Python 实现的。 节点选用板包含此节点和其他 Python 节点。

有关随机森林算法的更多信息，请参阅 随机树的森林。

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