【机器学习】随机森林：深度解析与应用指南

随机森林（Random Forest）是集成学习中的经典算法，通过组合多棵决策树实现高精度与强鲁棒性。以下从核心原理、数学推导、调优技巧、实战应用到前沿扩展进行全面剖析：

---

一、核心原理与双重随机性

1. ​Bagging框架​

   • ​Bootstrap抽样​：每棵树训练时从原始数据集中有放回抽样生成子数据集（约63.2%的样本被选中）。
   • ​特征随机性​：每次节点分裂时，仅从随机子集（如 个特征）中选择最优分裂点，降低树间相关性。

2. ​数学表达​

   • ​分类任务​：