Bagging et forêts aléatoires

Divers puis moyen

Bootstrap + sous-échantillon de features à chaque split = arbres décorrélés. Moyenne (régression) ou vote (classif) : la variance chute, le biais bouge peu. n_estimators grand ne surapprend presque plus, max_features règle la diversité.

Pratique

Souvent le meilleur premier modèle tabulaire, sans échelle. OOB comme CV gratuite. Limite : biais si signal très lisse — là le boosting prend le relais.