Random Forest
Ein Ensemble aus vielen Entscheidungsbäumen – jeder trainiert auf einer zufälligen Teilmenge von Daten und Merkmalen. Die Antwort ergibt sich per Mehrheitsentscheid.
Robust gegen Overfitting. Der Klassiker im tabellarischen ML, bevor XGBoost die Führung übernahm. Interpretierbar (Feature Importance). Standardwahl für mittelschwere Klassifikationsaufgaben. Implementierungen: scikit-learn, Rs randomForest. XGBoost und LightGBM sind die moderneren Nachfolger.