随机森林的 优点

　　随机森林的优点有：

对于很多种资料，它可以产生高准确度的分类器。 它可以处理大量的输入变数。 它可以在决定类别时，评估变数的重要性。 在建造森林时，它可以在内部对于一般化后的误差产生不偏差的估计。 它包含一个好方法可以估计遗失的资料，并且，如果有很大一部分的资料遗失，仍可以维持准确度。 它提供一个实验方法，可以去侦测variable interactions。 对于不平衡的分类资料集来说，它可以平衡误差。 它计算各例中的亲近度，对于数据挖掘、侦测偏离者（outlier）和将资料视觉化非常有用。 使用上述。它可被延伸应用在未标记的资料上，这类资料通常是使用非监督式聚类。也可侦测偏离者和观看资料。 学习过程是很快速的。