随机森林的优缺点

优点

1、 在当前的很多数据集上，相对其他算法有着很大的优势，表现良好；
2、它能够处理很高维度的数据，并且不用做特征选择，因为特征子集是随机选择的；
3、在训练完后，它能够得出特征重要性；
4、在创建随机森林的时候，对泛化误差使用的是无偏估计，模型泛化能力强；
5、随机森林有oob（袋外数据），不需要单独换分交叉验证集；
6、训练时树与树之间是相互独立的，训练速度快，容易做成并行化方法；
7、对缺失值不敏感，如果有很大一部分的特征遗失，仍可以维持准确度。

缺点

1、随机森林在某些噪音较大的分类或回归问题上会过拟合；
2、对于有不同取值的属性的数据，取值划分较多的属性会对随机森林产生更大的影响。