G検定（ジェネラリスト検定） 機械学習の概要 練習問題 第5問: ランダムフォレストの説明として、最も適切なものはどれか。

肢4が正解です。ランダムフォレストを提案した Breiman（2001）の論文では、元の訓練データから復元抽出で作った訓練データ（ブートストラップ標本）ごとに木を育て、各ノードの分割では無作為に選んだ少数の入力変数の中から分割を選び、木は枝刈りしません。

分類では木の投票（多数決）、回帰では木の予測の平均をとります。

肢1は1本の決定木の作り方です。

肢2は、前の結果を踏まえて順に木を足すブースティングの説明です。

肢3は誤りで、標本と特徴量を無作為に変えて木どうしの相関を下げることがこの手法の要点です。「ランダム」が指すのは、データの抽出と特徴量の選択の2か所です。