研究突破 · 人工校订条目
Breiman 提出随机森林，集成学习成为经典方法
Random Forests
- 日期
- 2001 年 10 月
- 类别
- 研究突破
- 机构 / 模型
- University of California, Berkeley
- 证据
- 1 条 · 1 类
Breiman 在《Machine Learning》发表随机森林：对样本做自助采样、对特征做随机子集选择，再让大量决策树投票。它以较小的调参成本获得稳定精度，还能给出袋外误差与特征重要性，长期是表格数据与工业建模的默认基线。
校订注记：期刊 DOI 核对
人工校订来源 · 1
引用本页
Breiman 提出随机森林，集成学习成为经典方法[EB/OL]. AI 纪年, 2001-10. https://aihist.net/e/random-forest-2001.html（访问日期：2026-10-29）.
静态页随内容修订重新构建；实时合并证据与自动采集条目见时间轴。