随机森林，80个样本能做随机森林吗

一、随机森林通俗易懂解释

随机森林：指的是利用多棵树对样本进行训练并预测的一种分类器。该分类器最早由LeoBreiman和AdeleCutler提出，并被注册成了商标。定义在机器学习中，随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。LeoBreiman和AdeleCutler发展出推论出随机森林的算法。而"RandomForests"是他们的商标。

二、为什么叫随机森林

1.叫随机森林是因为它是由多个决策树组成的，每个决策树都是基于随机选取的数据集和特征集构建的。2.随机森林的随机性体现在两个方面，一是在数据集的随机选取上，每个决策树的数据集都是从原始数据集中随机抽取的；二是在特征集的随机选取上，每个决策树的特征集也是从原始特征集中随机选取的。3.随机森林的这种随机性可以有效地避免过拟合，提高模型的泛化能力，因此被广泛应用于分类、回归等机器学习领域。

三、xgboost与随机森林的区别

二者模型构成不同。

xgboost是串联集成学习模型，通过多种学习器串联成一个强学习器，主要学习方式是迭代损失函数，让误差趋于最小。

随机森林是并联集成学习模型，主要是通过多种学习器随机抽取数据训练模型，然后通过少数服从多数的决策规则来出结果。