關於隨機森林(Random Forest)，下列敘述何者正確？
A在建立的過程是隨機採樣的，因此即使不剪枝也不容易出現過度配適(Over-fitting)的現象正確答案
B在資料取樣進行拔靴集成法(Bootstrap Aggregating)的過程中，每次會取出 n 筆資料，且不重複選取直到資料完全被使用
C無法在決定類別的同時，評估變數的重要性
D隨機森林中的決策樹個數增加，也不會增加運算效能的負擔
答案與詳解
為什麼答案是 A
正確。隨機森林每棵樹用 Bootstrap 取樣的子集 + 隨機子特徵訓練，集成多棵樹後偏差/方差皆受控，即使單棵樹不剪枝（高方差），整體集成仍不易 Over-fitting，這是 Random Forest 最核心的優點。
考點：抗過擬合機制考點：Bootstrap有放回抽樣考點：特徵重要性評估考點：計算複雜度
載入中…
