對於那些不熟悉“隨機森林”的人來說，這是由加利福尼亞大學伯克利分校的Leo Breiman和Adele Cutler開發的強大集成技術，並受到許多預測建模從業者的青睞。 該算法具有欺騙性的簡潔，藉由構建數百棵獨立的樹，從觀察值和變數中使用大量抽樣。

Random Forests具有根據現成的數據，評估不偏模型性能的獨特能力，無需額外的測試/驗證樣本。 此能力立即使隨機森林成為廣泛數據應用中最重要的預測建模工具，在這些應用中，變數的數量超過了觀測值數量（可能是好幾倍）。