随机森林分类算法是一种集成学习方法，由Leo Breiman在2001年提出。该算法通过构建多个决策树并综合它们的预测结果来提高分类的准确性，随机森林的核心思想在于“随机”和“集成” 而随机森林一种由决策树构成的（并行）集成算法，属于Bagging类型。它通过组合多个弱分类器（即决策树），并采用投票的方式（对于分类任务）或取均值的方式（对于回归任务）得出最终结果，从而使得整体模型具有较高的精确度和泛化性能。