Một cây quyết định rất nhạy với dữ liệu: đổi vài mẫu huấn luyện là ngưỡng ở các nút có thể đổi, và dự đoán đổi theo. Random forest huấn luyện nhiều cây, mỗi cây trên một bản lấy mẫu khác của dữ liệu và chỉ xét một phần đặc trưng ở mỗi nút, rồi gộp dự đoán của các cây. Bài này giải thích vì sao gộp nhiều cây giúp dự đoán ổn định hơn, và vì sao các cây phải khác nhau thì gộp mới có tác dụng.
Bài này dành cho tài khoản Pro
Mở khóa bằng tài khoản Pro