适合决策森林的数据

如果您拥有表格式数据集（可在电子表格、csv 文件或数据库表中表示的数据），则决策森林最有效。表格数据是最常见的数据格式之一，决策森林应该是建模的首选解决方案。

表 1. 表格数据集示例。

腿数	眼睛数量	重量（磅）	品种（标签）
2	2	12	企鹅
8	6	0.1	蜘蛛
4	2	44	狗
…	…	…	…

与神经网络不同，决策森林本身会使用模型表格数据。开发决策森林时，您无需执行如下任务：

• 执行特征归一化或独热编码等预处理。
• 执行输入（例如，将缺失值替换为 -1）。

不过，决策森林并不适合直接使用非表格式数据（也称为非结构化数据），例如图片或文本。是的，这种限制确实存在，但神经网络通常可以更好地处理非结构化数据。

性能

决策森林是高效采样的。也就是说，决策森林非常适合在小型数据集或特征数 / 样本数比例较高（可能大于 1）的数据集上进行训练。与所有机器学习模型一样，尽管决策森林具有良好的样本效率，但在拥有大量可用数据时，决策森林的效果最佳。

决策森林的推断速度通常比同类神经网络快。例如，在中型 CPU 上，中型决策森林在几微秒内运行推断。