RandomForestClassifier (랜덤 포레스트 분류기)

1. 개념 & 특징

여러 개의 의사결정나무(Decision Tree)를 무작위로 여러 번 만들어서 그 결과를 ‘투표’로 결정하는 강력한 분류기
한 개의 나무가 아니라 여러 나무(숲)를 합쳐 예측
과적합(Overfitting)에 훨씬 강함
데이터 노이즈/이상치/복잡한 데이터에도 강함
변수 중요도(Feature Importance) 자동 평가

2. 어떨 때, 어떻게 사용?

데이터에 패턴이 뚜렷하거나 변수(특징)가 많을 때

(예: 신용카드 사기, 이탈 고객 예측, 의료, 금융, 산업 등)
복잡한 규칙, 비선형 데이터
딥러닝 없이도, 강력하고 안정적인 분류 필요할 때
적은 튜닝으로도 강력한 성능
결측치/이상치가 일부 있어도 잘 동작

3. 대표 파라미터(옵션)

파라미터	의미/설명	기본값/주요 예시
`n_estimators`	나무 개수	100(기본), 50, 200
`max_depth`	나무 최대 깊이	None(제한X), 숫자
`min_samples_split`	분할 최소 샘플 수	2(기본)
`min_samples_leaf`	잎 노드 최소 샘플 수	1(기본)
`max_features`	각 노드에서 무작위 선택 변수 개수	'auto', 'sqrt'
`random_state`	랜덤 시드(결과 재현용)	0, 42 등

4. 초간단 코드 예시