Ein populärer Ensemble-Machine-Learning-Algorithmus, der aus vielen einzelnen Entscheidungsbäumen besteht. Jeder Baum wird auf einer zufälligen Teilmenge der Daten und Merkmale trainiert (Kombination aus Bagging und zufälliger Merkmalsauswahl). Die endgültige Vorhersage erfolgt durch Mehrheitsentscheid (Klassifikation) oder Mittelwertbildung (Regression) der einzelnen Bäume. Random Forests sind robust gegenüber Overfitting.