Random Forest会有过拟合的情况发生吗？
1个回答
相对于单个的Decision Tree，Random Forest不太容易over-fitting。Over-fitting的主要原因是因为模型学习了太多样本中的随机误差。因为Random Forest随机选择了样本和特征，并且将很多这样的随机树进行了平均，这些随机误差也随之被平均，乃至相互抵消了。但是这不代表它不会
很多人说Random Forest不会over-fitting。相信很多人也亲身经历过，我自己也见识过过RandomForest over-fitting了。
防止RandomFroest过拟合，一个方法是控制每个树的深度，深的树有可能会过拟合；另外一个是对模型进行交叉验证。
起个好名字
2017-03-10 22:20
相关主题
Random Forest和Tree Bagging什么区别？
2回答
为什么过拟合不好？
6回答
线下训练集和测试集防过拟合
1回答
训练集加入噪声防止over fitting还是加剧overfitting？
3回答
无监督学习（比如K Means）里怎么加正则项来防止过拟合
3回答
正则项里的L1，L2是什么意思？
1回答
L0 norm 正则是什么意思？
1回答
如何简单理解正则化
1回答
决策树有哪些缺点？
2回答
我们谢绝在回答前讲“生动”的故事。
我们谢绝“这么简单，你自己想”、“书上有的，你认真看”这类的回答；如果你认为对方的提问方式或者内容不妥，你可以直接忽略该问题，不用进行任何作答，甚至可以对该问题投反对票。
我们谢绝答非所问。
我们谢绝自己不会、硬要回答。
我们感激每一个用户在编写答案时的努力与付出！
