Náhodný les (random forest) je souborový model, který kombinuje předpovědi mnoha rozhodovacích stromů natrénovaných na různých náhodných variantách téhož datasetu. Staví na principu baggingu: každý strom se učí na bootstrapovém vzorku, tedy náhodném výběru s opakováním, a jejich výsledky se sloučí hlasováním u klasifikace nebo průměrem u regrese. Náhodný les k tomu přidává druhý zdroj rozmanitosti – v každém dělení uzlu se nabídne jen náhodná podmnožina příznaků, což zabrání tomu, aby všechny stromy stavěly na téže dominantní veličině a byly si tím podobné. Teoretickým jádrem je fakt, že průměrováním mnoha nezkorelovaných modelů se snižuje rozptyl, aniž by rostlo zkreslení; jednotlivé stromy proto mohou být hluboké a přeučené, celek přesto generalizuje výborně. Praktickými výhodami jsou minimální nároky na ladění hyperparametrů, odolnost proti odlehlým hodnotám, snadná paralelizace a bezplatný odhad chyby na vzorcích vynechaných z bootstrapu. Zaplatí se ztrátou průhlednosti a vyšší pamětí. Na tabulkových datech patří spolu s gradientním boostingem dodnes k nejsilnějším metodám vůbec.
Je to přenesení staré zkušenosti, že skupina se často rozhodne lépe než jednotlivec. Postavíte sto lékařů, ale každému dáte jen část zdravotní dokumentace a navíc ho necháte hledět jen na některé vyšetření – jeden vidí krevní testy, druhý snímky, třetí anamnézu. Každý sám se občas šeredně netrefí. Když ale všech sto odhlasuje diagnózu, jejich individuální omyly se navzájem vyruší a výsledek je lepší než nejlepší z nich. Cena je zřejmá: u jednoho lékaře se dozvíte důvod, u stovky hlasujících už jen výsledek.