Random Forests (2001 论文)

概述

提出随机森林算法的论文，通过集成多个随机化决策树实现强大的分类和回归性能。

关键内容

1. 算法设计：在 Bagging（自举聚合） 基础上，每次分裂时随机选择特征子集，进一步降低树之间的相关性。
2. 优势：随机森林对过拟合鲁棒、无需调参、可以处理高维数据，并提供特征重要性评估。
3. 与深度学习对比：在表格数据领域，随机森林至今仍与 深度学习 方法竞争，两者形成互补。

来源

• ai_papers_timeline.md — 2001 年时间线条目

相关

• Leo Breiman — authored_by
• 随机森林 — introduced
• Bagging（自举聚合） — extends