Le foreste casuali sono un tipo di algoritmo di machine learning supervisionato utilizzato sia per attività di classificazione che di regressione. L'algoritmo opera costruendo una moltitudine di alberi decisionali al momento dell'addestramento e producendo la classe che è la modalità delle classi (classificazione) o la previsione media (regressione) dei singoli alberi.
Sviluppate dall'informatico e statistico Leo Breiman e Adele Cutler, le foreste casuali sono un metodo popolare di apprendimento d'insieme grazie alle loro prestazioni di previsione ampie e accurate. L'apprendimento dell'insieme viene utilizzato per migliorare l'accuratezza delle previsioni combinando più modelli. Le foreste casuali sono un esempio di insieme di bagging e vengono costruite campionando ripetutamente i punti dati e adattandoli agli alberi decisionali.
Le foreste casuali si addestrano rapidamente e fanno previsioni ragionevoli sui set di dati. La loro caratteristica distintiva è l'uso di alberi randomizzati nelle classificazioni. Facendo lavorare più alberi su un singolo problema, le foreste casuali hanno una maggiore precisione rispetto a un singolo albero decisionale.
Le foreste casuali utilizzano una serie di alberi decisionali costruiti su un set di dati con selezione casuale di funzionalità per ciascuna suddivisione nell'albero decisionale. È possibile stimare l'importanza delle caratteristiche selezionate in questo modo per la previsione e valutare l'effetto di una caratteristica sulla previsione. Ciò aiuta a identificare le caratteristiche più importanti in un set di dati e a selezionare quelle più importanti per un'ulteriore modellazione predittiva.
A causa della loro popolarità e versatilità, le foreste casuali sono state utilizzate in molte applicazioni, tra cui l'analisi dell'espressione genetica, la bioinformatica, l'elaborazione delle immagini, la meteorologia e l'elaborazione del linguaggio naturale. La loro accuratezza e scalabilità li rendono uno strumento utile nelle applicazioni in cui è necessario elaborare grandi quantità di dati rapidamente e con un elevato grado di precisione.
