随机森林原理及与决策树的异同
哪些公司问过
阿里巴巴1今日头条1
答案要点
- 随机森林是 Bagging 集成,以决策树为基学习器
- 样本 bootstrap 采样加节点分裂时特征随机采样,降低树间相关性
- 分类多数投票、回归取平均,主要降低方差
- 可用袋外样本估计泛化误差,并输出更稳定的特征重要性
- 决策树可解释性强但易过拟合,随机森林更稳但更大更慢
易错点
- 只说样本随机,漏掉特征随机
- 说随机森林主要降低偏差
- 认为随机森林完全不会过拟合
面试官常见追问
- Bagging 和 Boosting 的区别与联系?
- 随机森林需要剪枝吗?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。