Как Random Forest влияет на смещение и дисперсию?

Random Forest снижает дисперсию модели за счёт усреднения предсказаний множества деревьев, что уменьшает переобучение. При этом смещение может немного увеличиться по сравнению с отдельным деревом, так как каждое дерево строится на случайной подвыборке признаков и данных, что делает их менее точными по отдельности. В итоге Random Forest достигает хорошего баланса между смещением и дисперсией, обеспечивая более стабильные и точные предсказания.

Пример на Python с использованием 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)

Здесь множество деревьев вместе дают более устойчивую модель, чем одно дерево.