有了決策樹,爲什麼還需要隨機森林?

決策樹與隨機森林，這2個概念好像經常會在一起被提起。對於小白的我來說，也是很懵。
於是，我找了博文，並請教了周邊的大神。
得出一點通俗且易理解的小結論，在這裏記錄一下：

1. 決策樹只有一棵樹，隨機森林有多棵樹。
2. 決策樹在生成的過程中，會給他設定前剪枝或者後剪枝，從而導致樹被修剪。而隨機森林由於有多棵樹，也不會被修剪。

在這裏，我們將提供兩個直觀的原因，即隨機森林優於單一決策樹。
1、特徵空間中的分辨率更高樹木未被修剪。雖然像CART這樣的單個決策樹經常被修剪，但隨機林的樹完全成長並且未經過修剪，因此，自然地，特徵空間被分成更多和更小的區域。
2、樹木多種多樣。在隨機樣本上學習每個隨機林的樹，並且在每個節點處，考慮用於分裂的隨機特徵集。
（引用博文：https://cloud.tencent.com/developer/news/344165，侵刪）

另附上決策樹與隨機森林的解釋：
https://www.cnblogs.com/fionacai/p/5894142.html