CART 的结果可以很容易地改变（具有实际的样本量），而对数据的扰动很小。如果是这样的话，似乎解释并不像看起来那样简单。我经常听到我的一些同事因为解释困难而避免使用随机森林。它们更多地用于预测。即使是出现的可变重要性度量也是基于预测性能，但它们确实有助于解释。

对于森林中的每棵树，您都有一个终端节点的解释。因此，森林可以看作是向量 x 可能属于 y 类的一系列解释。那么合理解释数量最多的类就是被选中的类。这不是很容易理解吗？