我们前边提到，随机森林是一种很灵活实用的方法，它有如下几个特点：

• 在当前所有算法中，具有极好的准确率/It is unexcelled in accuracy among current algorithms；

• 能够有效地运行在大数据集上/It runs efficiently on large data bases；

• 能够处理具有高维特征的输入样本，而且不需要降维/It can handle thousands of input variables without variable deletion；

• 能够评估各个特征在分类问题上的重要性/It gives estimates of what variables are important in the classification；

• 在生成过程中，能够获取到内部生成误差的一种无偏估计/It generates an internal unbiased estimate of the generalization error as the forest building progresses；

• 对于缺省值问题也能够获得很好得结果/It has an effective method for estimating missing data and maintains accuracy when a large proportion of the data are missing

• ... ...

　　实际上，随机森林的特点不只有这六点，它就相当于机器学习领域的Leatherman（多面手），你几乎可以把任何东西扔进去，它基本上都是可供使用的。在估计推断映射方面特别好用，以致都不需要像SVM那样做很多参数的调试。