隨機森林就是通過集成學習的思想將多棵樹集成的一種算法，它的基本單元是決策樹，而它的本質屬于機器學習的一大分支——集成學習（Ensemble Learning）方法。 解讀下上面的話： 1.隨機森林屬于集成算法，屬于集成算法中的bagging，另一種就是boosting了，集成意味著著該算法是多個算法組合而成 2.隨機森林是由決策樹集成的，這個很好理解，單木為樹，多木成林。所以它叫森林，所以你想弄明白什么是隨機森林，就必須先整明白什么是決策樹。 其實從直觀角度來解釋，每棵決策樹都是一個分類器（假設現在針對的是分類問題），那么對于一個輸入樣本，N棵樹會有N個分類結果。而隨機森林集成了所有的分類投票結果，將投票次數最多的類別指定為最終的輸出，這就是一種最簡單的 Bagging 思想? 隨機森林的出現是為了解決決策樹泛化能力比較弱的特點，因為決策樹就有一棵樹，它的決策流只有一條， 泛化能力弱。而隨機森林就比較好解決了這個問題。