رندوم فارست

رندوم فارست (Random Forest) که ترجمه تحت‌اللفظی آن «جنگل تصادفی» است، یک روش Ensemble Learning است. این مدل تعداد زیادی درخت تصمیم را با نمونه‌گیری تصادفی و تنوع در ویژگی‌ها آموزش می‌دهد و خروجی آن‌ها را ترکیب می‌کند.

در یک فروشگاه می‌توان احتمال بازگشت کالا را با ویژگی‌هایی مانند نوع محصول، زمان ارسال و سابقه سفارش پیش‌بینی کرد. رندوم فارست از یک درخت تنها معمولا پایدارتر است، ولی هزینه حافظه و پیچیدگی توضیح افزایش پیدا می‌کند.

from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier(n_estimators=200, random_state=42)
model.fit(X_train, y_train)
print(model.predict(X_test[:3]))

مطالعه درخت تصمیم و اعتبارسنجی متقابل به درک این مدل کمک می‌کند.