Hutan acak adalah jenis algoritme pembelajaran mesin terawasi yang digunakan untuk tugas klasifikasi dan regresi. Algoritme ini beroperasi dengan membangun banyak pohon keputusan pada waktu pelatihan dan mengeluarkan kelas yang merupakan mode kelas (klasifikasi) atau prediksi rata-rata (regresi) dari masing-masing pohon.
Dikembangkan oleh ilmuwan komputer dan ahli statistik Leo Breiman dan Adele Cutler, hutan acak adalah metode pembelajaran ansambel yang populer karena kinerja prediksinya yang besar dan akurat. Pembelajaran ensemble digunakan untuk meningkatkan akurasi prediksi dengan menggabungkan beberapa model. Hutan acak adalah contoh ansambel bagging dan dibangun dengan mengambil sampel titik data berulang kali dan menyesuaikannya dengan pohon keputusan.
Hutan acak cepat untuk dilatih dan membuat prediksi yang masuk akal pada kumpulan data. Ciri khas mereka adalah penggunaan pohon acak dalam klasifikasi. Dengan membuat beberapa pohon menangani satu masalah, random forest telah meningkatkan akurasi dibandingkan dengan satu pohon keputusan.
Hutan acak menggunakan sekumpulan pohon keputusan yang dibangun berdasarkan kumpulan data dengan pemilihan fitur secara acak untuk setiap pemisahan dalam pohon keputusan. Dimungkinkan untuk memperkirakan pentingnya fitur yang dipilih dengan cara ini untuk prediksi dan mengevaluasi pengaruh fitur terhadap prediksi. Hal ini membantu mengidentifikasi fitur terpenting dalam kumpulan data dan memilih fitur terpenting untuk pemodelan prediktif lebih lanjut.
Karena popularitas dan keserbagunaannya, hutan acak telah digunakan dalam banyak aplikasi, termasuk analisis ekspresi gen, bioinformatika, pemrosesan gambar, meteorologi, dan pemrosesan bahasa alami. Akurasi dan skalabilitasnya menjadikannya alat yang berguna dalam aplikasi yang memerlukan pemrosesan data dalam jumlah besar dengan cepat dan tingkat akurasi yang tinggi.
