Editando Random forest (sección)

== Características (o rasgos) y Ventajas ==

Las ventajas del '''random forests''' son:<ref>[http://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm]</ref>
* Ser uno de los algoritmos de aprendizaje más certeros que hay disponible. Para un conjunto de datos lo suficientemente grande produce un clasificador muy certero.<ref>{{cite conference
 |first=Rich |last=Caruana 
 |first2=Nikos |last2=Karampatziakis 
 |first3=Ainur |last3=Yessenalina 
 |title=An empirical evaluation of supervised learning in high dimensions 
 |url=http://icml2008.cs.helsinki.fi/papers/632.pdf 
 |conference=[[International Conference on Machine Learning|Proceedings of the 25th International Conference on Machine Learning (ICML)]] 
 |year=2008 
}}</ref>
* Correr eficientemente en bases de datos grandes.
* Manejar cientos de variables de entrada sin excluir ninguna.
* Dar estimaciones de qué variables son importantes en la clasificación.<ref name=":0" /><ref name=":1" />
* Tener un método eficaz para estimar datos perdidos y mantener la exactitud cuando una gran proporción de los datos está perdida.
* Computar los prototipos que dan información sobre la relación entre las variables y la clasificación.
* Computar las proximidades entre los pares de casos que pueden usarse en los grupos, localizando valores atípicos, o (ascendiendo) dando vistas interesantes de los datos.
* Ofrecer un método experimental para detectar las interacciones de las variables.