本页包含决策森林术语。如需查看所有术语，请点击此处。
A
属性抽样
一种用于训练决策森林的策略，其中每个决策树在学习条件时仅考虑随机选择的可能特征子集。一般来说，每个节点都会对不同的特征子集进行抽样。相比之下，在训练不进行属性抽样的决策树时，系统会考虑每个节点的所有可能特征。
轴对齐条件
在决策树中，仅涉及单个特征的条件。例如，如果 area 是一个特征，则以下是轴对齐条件：
area > 200
与斜条件相对。
B
装袋
一种用于训练集成的方法，其中每个组成模型都基于有放回抽样的随机训练示例子集进行训练。例如，随机森林是使用 Bagging 训练的决策树的集合。
术语“bagging”是“bootstrap aggregating”（自助抽样集成）的简称。
如需了解详情，请参阅“决策森林”课程中的随机森林。
二元条件
在决策树中，条件只有两种可能的结果，通常是是或否。例如，以下是一个二元条件：
temperature >= 100
与非二元条件相对。