决策树和随机森林共享通过划分变量空间预测的结构。单棵树给出一组局部规则，森林通过平均随机化树提高稳定性。结合科学问题、样本支撑、预测稳定性和计算预算选择。
比较时保持变量组、样本键、预处理及评估群体可比。同属树模型不代表 R/Python 的参数含义或数值产物可以互换。模型比较保留参数选择的文献依据。配置与代码归树模型技能目录，均值参照归公共评估。