隨機森林 Random Forest
⚠️ 本站內容僅作教育用途，不構成投資建議。投資涉及風險，作出任何投資決定前請諮詢持牌專業人士。
隨機森林 Random Forest 是一種集成學習（Ensemble Learning）算法：在訓練時以隨機抽樣的數據子集與特徵子集，各自建立多棵決策樹，預測時把眾樹的結果投票（分類）或取平均（回歸）。「隨機」體現在數據與特徵的雙重抽樣，令各樹之間的誤差互相抵消，整體泛化能力通常優於單一決策樹，亦較不易過度擬合。在量化交易中，隨機森林常用於以多項技術指標預測價格方向或價差走勢，並可輸出特徵重要性，協助研究者理解哪些變數最有預測力。要注意：樹模型對時間序列的時序結構並不敏感，直接用於金融數據時須謹慎劃分訓練與測試時段，避免未來數據滲入。