核心概念
随机森林
对重采样数据训练多棵随机特征树，并用平均或投票聚合预测的集成方法。
RF 随机森林算法
简明解释
随机森林（random forest）在bootstrap重采样数据上训练多棵树，并在节点只从随机特征子集中选切分，最后平均或投票。随机特征可降低树间相关，集成通常比单树稳定；但整体路径不再同样易读，类别票数也不自动是校准概率。[1, §§15.1–15.3]
别和什么混淆
梯度提升按顺序拟合前面模型的残差或梯度；随机森林的树通常可并行建立并通过随机化降相关。
核心概念
对重采样数据训练多棵随机特征树，并用平均或投票聚合预测的集成方法。
随机森林（random forest）在bootstrap重采样数据上训练多棵树，并在节点只从随机特征子集中选切分，最后平均或投票。随机特征可降低树间相关，集成通常比单树稳定；但整体路径不再同样易读，类别票数也不自动是校准概率。[1, §§15.1–15.3]
梯度提升按顺序拟合前面模型的残差或梯度；随机森林的树通常可并行建立并通过随机化降相关。