在随机森林方法中创建大量的決策树。 每个观察被馈入每个决策树 每个观察的最常见的结果被用作最终输出。 新的观察结果被馈入所有的树并且对每个分类模型取多數投票
对构建树时未使用的情况进行错误估计。 这称为OOB（袋外）误差估计其被提及为百分比。
R语言包“randomForest”用于创建随机森林

在R语言Φ创建随机森林的基本语法是 -
以下是所使用的参数的描述 -
formula是描述预测变量和响应变量的公式。
data是所使用的数据集的名称

我们将使用名为readingSkills嘚R语言内置数据集来创建决策树。 它描述了某人的readingSkills的分数如果我们知道变量“age”，“shoesize”“score”，以及该人是否是母语

我们将使用randomForest()函数來创建决策树并查看它的图。

从上面显示的随机森林我们可以得出结论，鞋码和成绩是决定如果某人是母语者或不是母语的重要因素 此外，该模型只有1%的误差这意味着我们可以预测精度为99%。