随机森林相对于决策树的优缺点

随机森林相对于决策树的优点主要是：

1）降低异常值所带来的影响：因为随机森林选取了部分数据建立了多个决策树，即使有个别决策树会因为异常值的影响导致预测不准确，但预测结果是参考多个决策树得到的结果，降低了异常值带来的影响。

2）降低了过拟合的可能性，因为决策树是采用了所有的特征及样本，容易出现过拟合（即对训练样本有很好的效果，对测试集的效果很差），随机森林是采用了部分样本的部分特征而构造的很多个决策树（采取的有放回抽样），特征和数据在单个决策树上变少了，降低了过拟合的可能性。

随机森林相对于决策树的缺点主要是：

1）计算量相对于决策树很大，性能开销很大。

2）可能会导致有些数据集没有训练到，但这种几率很小。

随机森林的优点：

1）可以处理高纬度的数据；

2）训练之前不需要特意的做特征选择；

3）建立很多树，预防了过拟合风险；

缺点：

计算量大，无法做到对实时数据的预测