Ein Random Forest ist ein Klassifikationsverfahren, das aus mehreren unkorrelierten Entscheidungsbäumen besteht. Alle Entscheidungsbäume sind unter einer bestimmten Art von Randomisierung während des Lernprozesses gewachsen. Für eine Klassifikation darf jeder Baum in diesem Wald eine Entscheidung treffen und die Klasse mit den meisten Stimmen entscheidet die endgültige Klassifikation. Random Forests können auch zur Regression eingesetzt werden (Wikipedia).
Die Random Forest Methode ist in der AI Forschung populär, weil man mit ihr komplexe Zusammenhänge in den Daten abstrahieren kann. Sie wird für Vorhersagemodelle eingesetzt.
