Como é que a Floresta Aleatória afeta o enviesamento e a variância?

A Floresta Aleatória reduz a variância do modelo ao fazer a média das previsões de múltiplas árvores, o que diminui o sobreajuste. Ao mesmo tempo, o viés pode aumentar um pouco em comparação com uma árvore individual, pois cada árvore é construída a partir de uma subamostra aleatória de características e dados, tornando-as menos precisas isoladamente. No final, a Floresta Aleatória alcança um bom equilíbrio entre viés e variância, proporcionando previsões mais estáveis e precisas.

Exemplo em Python usando 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)

Aqui, um conjunto de árvores fornece um modelo mais robusto do que uma única árvore.