Une forêt aléatoire combine de nombreux arbres de décision entraînés sur des échantillons tirés avec remise des données et sur des sous-ensembles aléatoires de features. Les prédictions sont agrégées (vote ou moyenne), ce qui réduit la variance et le surapprentissage d'un arbre seul. Elle est robuste et demande peu de réglages.
Exemple
RandomForestClassifier(n_estimators=300, random_state=42)