有了决策树,为什么还需要随机森林?

决策树与随机森林，这2个概念好像经常会在一起被提起。对于小白的我来说，也是很懵。
于是，我找了博文，并请教了周边的大神。
得出一点通俗且易理解的小结论，在这里记录一下：

1. 决策树只有一棵树，随机森林有多棵树。
2. 决策树在生成的过程中，会给他设定前剪枝或者后剪枝，从而导致树被修剪。而随机森林由于有多棵树，也不会被修剪。

在这里，我们将提供两个直观的原因，即随机森林优于单一决策树。
1、特征空间中的分辨率更高树木未被修剪。虽然像CART这样的单个决策树经常被修剪，但随机林的树完全成长并且未经过修剪，因此，自然地，特征空间被分成更多和更小的区域。
2、树木多种多样。在随机样本上学习每个随机林的树，并且在每个节点处，考虑用于分裂的随机特征集。
（引用博文：https://cloud.tencent.com/developer/news/344165，侵删）

另附上决策树与随机森林的解释：
https://www.cnblogs.com/fionacai/p/5894142.html