机器学习随机森林分类依据

Question

有没有人了解随机森林原理，它是依据什么进行分类的啊？当进行分类任务时，新的输入样本进入，“让森林中的每一棵决策树分别进行判断和分类”（决策树是依据什么来进行判断和分类啊），每个决策树会得到一个自己的分类结果，决策树的分类结果中哪一个分类最多，那么随机森林就会把这个结果当做最终的结果。

Answer 1

随机森林是一种基于决策树的集成学习算法，它的分类依据是基于特征的划分。随机森林中的每个决策树都采用不同的随机样本和随机特征子集，来构建多颗决策树，避免单棵决策树过拟合或者欠拟合。对于输入样本，随机森林中的每个决策树都会以不同的方式根据这些随机的样本和特征子集进行分类，最终将得到多个分类结果。在随机森林中，所有决策树的分类结果会被汇总起来，方法是对所有分类结果求平均值（回归问题）或者选取票数最高的结果（分类问题）作为最终的输出。
在随机森林中，每棵决策树都是基于不同的随机样本和特征子集构建的，因此每棵决策树所选择的特征都是不同的，这也使得在多棵决策树的协同下，随机森林具有更好的鲁棒性和泛化能力。