（３）ランダムフォレスト

ランダムフォレストは、決定木の簡易版を複数作り、その多数決によって分類の結果を決める手法。

ランダムフォレストのように複数の簡易分類器の学習結果を組み合わせる手法を、アンサンブル学習という。

決定木では、説明変数全てを使用したのに対し、ランダムフォレストは、用いる一つ一つの決定木に対して、ランダムに決められた少数の説明変数のみから分類結果（クラス）を決定する。

複数の決定木から出力されたクラスの多数決によって、ランダムフォレストの分類結果が決定される。

ランダムフォレストは、複数の分類木から多数決で決めるため、予測結果が、外れ値の影響で左右されにくいメリットが有る。