“Bootstrap 森林”平台概述“Bootstrap 森林法”平台通过对许多决策树的预测响应值求平均值来预测响应值。每棵树都在训练数据的 Bootstrap 样本上增长。Bootstrap 样本是有放回的随机观测样本。此外，在决策树的每个拆分中都对预测变量抽样。使用“分割模型”一章中所述的递归分割方法拟合决策树。
对于单个树，在抽取用于拟合树的观测的 Bootstrap 样本时是有回放的。您可以指定要抽样的观测比例。若指定抽取 100% 的观测，由于抽样有回放，未使用的观测的预期比例为 1/e，即大约 36.8%。对于每一棵树，这些未使用的观测都称为袋外观测。拟合树中使用的观测称为袋内观测。对于连续响应，“Bootstrap 森林法”平台提供用于袋外观测误差率的测度，称为袋外误差。