Bosque aleatorio
Clasificador de conjunto que agrega muchos árboles de decisión decorrelacionados entrenados sobre muestras bootstrap con subconjuntos aleatorios de características en cada división.
Un bosque aleatorio es un método de conjunto en aprendizaje supervisado que construye muchos árboles de decisión y combina sus predicciones por voto mayoritario o promediado. Leo Breiman publicó el algoritmo en 2001; cada árbol se entrena sobre una muestra bootstrap de los datos mediante bagging, y en cada división solo se considera un subconjunto aleatorio de características. Esa aleatoriedad inyectada decorrelaciona los árboles para que sus errores individuales tiendan a cancelarse al agregarse.
Los bosques aleatorios suelen ofrecer una precisión sólida en datos tabulares con poca ingeniería de características, y siguen siendo ampliamente usados en la industria junto a árboles potenciados por gradiente. Se sitúan en la tradición clásica del aprendizaje automático que floreció antes de que el aprendizaje profundo a gran escala dominara la visión y el lenguaje. Véase el artículo y la entrada de la cronología.