我需要一些帮助来理解随机森林的概念。据我了解，当我制作决策树时，我会仔细选择每个节点以最大化信息增益并最小化熵，即每个节点都应该比其父节点产生更高的信息增益。

如果这是真的，那么决策树已经是最好的学习器了。为什么我需要将它与其他可能不太好的树结合起来然后进行投票？

如果我创建树以最大化信息增益，那么这已经是“最佳”模型。

如果我通过随机选择要拆分的节点创建 10 个决策树，我会理解对随机森林的需求。