考虑到随机森林中的单个树使用购物车算法（或可以配置为），如果购物车无法预测任何东西（空树），为什么随机森林在同一数据集上表现更好。
编辑：我正在使用 R (rpart vs randomForest) ；该数据是股票的每日财务数据。CART 给出了空树，但随机森林即使在看不见的数据上也能达到不错的准确性。
CART 与随机森林
数据挖掘
机器学习
2022-02-24 15:58:24
1个回答
拥有树木的“森林”（bagging ensemble）的目标是使预测更加可靠。个体决策树往往会过拟合，而随机森林的抽样、特征选择和装袋有助于获得更稳健的分数。
你有一棵空树很奇怪，因为决策树是贪婪的，它们适合任何东西。即使您的数据中只有随机噪声，它们也会进行拆分（取决于您如何配置它）。
如果你有一棵空树，随机森林不会做任何事情，因为它只是一堆决策树。
如果没有看到您的代码，或者没有其他任何东西，我猜您在某处有编码错误。