決定木は特徴量の条件でデータを分割し、ランダムフォレストは複数の木をランダム性を入れて学習し集約します。

単一木は説明しやすい一方で過学習しやすく、アンサンブルは分散を抑えます。

この用語は単独で暗記せず、目的、入力、処理、結果、適用できない境界の順に説明できるようにします。実務では前提条件と評価基準を明記し、期待した結果と実測結果を区別します。

似た用語を見分けるときは、誰が何を判断するのか、いつ実施するのか、成果物が何かを比較します。名称だけで結論を出さず、問題文に示された条件へ定義を当てはめることが重要です。