6.9 不稳定性

决策树有很多用处：

- 易于理解和解释 - 易于使用 - 用途广泛且功能强大

不过决策树也有一些局限：

- 决策树喜欢正交的决策边界（所有分割对垂直于轴），这使得决策树对训练集特别敏感 - 更概括的说，决策树的主要问题是对训练数据中的小变化非常敏感。 - 事实上，由于Scikit-Learn所使用的算法是随机的，及时是在相同的训练数据上，也可能得到完全不同的模型（除非你对超参数random_state进行设置）

随机森林可以通过对许多树进行平均预测来限制这种不稳定性。