Как влияе Random Forest върху отклонението и дисперсията?

Рандомният горски модел намалява дисперсията на модела чрез усредняване на предсказанията на множество дървета, което намалява пренасищането. В същото време, отклонението може леко да се увеличи в сравнение с отделно дърво, тъй като всяко дърво се изгражда върху случайна подвыборка от характеристики и данни, което ги прави по-малко точни поотделно. В крайна сметка, Рандомният горски модел постига добър баланс между отклонение и дисперсия, осигурявайки по-стабилни и точни предсказания.

Пример в Python с sklearn:

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_iris

X, y = load_iris(return_X_y=True)
model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X, y)
predictions = model.predict(X)

Тук, множество дървета предоставят по-здрав модел от едно дърво.