Dizionario AI › Fondamenti AI

Random forest

Il random forest è un modello di machine learning che combina le previsioni di molti alberi decisionali diversi per ottenere un risultato più accurato e stabile di quello che otterrebbe un singolo albero. L'idea di fondo è che un gruppo numeroso di modelli imperfetti ma diversi tra loro, votando insieme, commetta meno errori di un solo modello, per quanto ben costruito.

Definizione

Come funziona

Ogni albero della foresta viene addestrato su un campione casuale dei dati, estratto con ripetizione dal dataset originale, e a ogni suo nodo può considerare solo un sottoinsieme casuale delle caratteristiche disponibili invece di tutte. Questa doppia iniezione di casualità rende gli alberi tra loro diversi, evitando che commettano tutti gli stessi errori. La previsione finale si ottiene facendo votare gli alberi nella classificazione o mediandone i risultati nella regressione.

Applicazioni

È uno dei modelli più usati in produzione per problemi tabellari, dati organizzati in righe e colonne come quelli di un foglio di calcolo o di un database: rilevamento di frodi, previsione dell'abbandono clienti, valutazione del rischio assicurativo, diagnosi mediche basate su esami di laboratorio. Offre buone prestazioni senza bisogno di grande lavoro di ottimizzazione, resiste bene a dati rumorosi e fornisce anche una stima di quali caratteristiche contano di più nella decisione.

Storia ed etimologia

Il termine random forest, letteralmente foresta casuale, gioca sul fatto che molti alberi decisionali insieme formano appunto una foresta e che la casualità nella scelta di dati e caratteristiche è ciò che li rende collettivamente più forti. L'algoritmo prende forma compiuta con il lavoro di Leo Breiman, statistico dell'Università della California a Berkeley, che ne pubblicò la formulazione definitiva in un articolo del 2001, costruendo su idee precedenti di bagging e selezione casuale delle caratteristiche sviluppate nella seconda metà degli anni '90.

Termini correlati

• Albero decisionale
• Gradient boosting
• Ensemble learning
• Feature importance (Importanza delle caratteristiche)
• Overfitting

Altri termini in Fondamenti AI

• LLM (Large Language Model)
• Token
• Context Window
• Temperature
• Allucinazione (AI Hallucination)
• Fine-tuning
• RAG (Retrieval Augmented Generation)
• Embedding

Mettilo alla prova

• Scenario reale: applica questo concetto con un verdetto AI immediato.
• Palestra quotidiana: brevi esercizi per allenare i concetti del dizionario.
• Gioco Playoff: sfida altri giocatori, a eliminazione diretta.

📱 Scarica l'app Android (beta) iOS in arrivo

Dì quello che intendi. Ottieni quello che ti serve.

Grace Certified, la coach AI che allena e certifica il tuo prompt engineering, di Agora Intelligence.