通俗解释
每棵树只看随机抽取的样本和特征，彼此差异大；最后取平均或投票，误差相互抵消。几乎不用调参就很稳，是表格数据的强基线。
用在哪里：表格分类回归、特征重要性分析
01原始论文
Random Forests
Breiman et al. · Machine Learning · 2001
DOI ↗ ✓ 已核实 · Crossref API doi:10.1023/A:1010933404324
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
所在学习路线：从零到深度学习
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
random-forest)