الغابات العشوائية هي نوع من خوارزمية التعلم الآلي الخاضعة للإشراف المستخدمة لكل من مهام التصنيف والانحدار. تعمل الخوارزمية من خلال إنشاء عدد كبير من أشجار القرار في وقت التدريب وإخراج الفصل الذي يمثل وضع الفئات (التصنيف) أو متوسط التنبؤ (الانحدار) للأشجار الفردية.
تعد الغابات العشوائية، التي طورها عالم الكمبيوتر والإحصائي ليو بريمان وأديل كاتلر، طريقة شائعة للتعلم الجماعي بسبب أدائها التنبؤي الكبير والدقيق. يُستخدم التعلم الجماعي لتحسين دقة التنبؤات من خلال الجمع بين نماذج متعددة. تعتبر الغابات العشوائية مثالاً على مجموعة التعبئة ويتم إنشاؤها من خلال أخذ عينات من نقاط البيانات بشكل متكرر وملاءمتها لأشجار القرار.
الغابات العشوائية سريعة التدريب وتقوم بتنبؤات معقولة بشأن مجموعات البيانات. السمة المميزة لها هي استخدامها للأشجار العشوائية في التصنيفات. من خلال وجود عدة أشجار تعمل على حل مشكلة واحدة، زادت الغابات العشوائية من الدقة مقارنةً بشجرة قرار واحدة.
تستخدم الغابات العشوائية مجموعة من أشجار القرار المبنية على مجموعة بيانات مع اختيار عشوائي للميزات لكل قسم في شجرة القرار. من الممكن تقدير أهمية الميزات المختارة بهذه الطريقة للتنبؤ وتقييم تأثير الميزة على التنبؤ. ويساعد ذلك في تحديد أهم الميزات في مجموعة البيانات واختيار أهم الميزات لمزيد من النمذجة التنبؤية.
بسبب شعبيتها وتعدد استخداماتها، تم استخدام الغابات العشوائية في العديد من التطبيقات، بما في ذلك تحليل التعبير الجيني، والمعلوماتية الحيوية، ومعالجة الصور، والأرصاد الجوية، ومعالجة اللغات الطبيعية. إن دقتها وقابليتها للتوسع تجعلها أداة مفيدة في التطبيقات التي تحتاج إلى معالجة كميات كبيرة من البيانات بسرعة وبدرجة عالية من الدقة.
