Problema que aborda
Los árboles de decisión individuales son inestables y sobreajustan.
Aportación principal
Combinar árboles decorrelacionados mediante bootstrap y selección aleatoria de variables en cada nodo; error out-of-bag.
Arquitectura
Conjunto de árboles CART no podados que votan.
Relevancia histórica
Uno de los algoritmos más usados en datos tabulares por su robustez.
Implementaciones
sklearn.ensemble.RandomForestClassifier
Experimenta con la idea en el laboratorio relacionado.
Referencia
L. Breiman (2001). «Random Forests». Machine Learning 45(1), 5–32.