1、 在当前的很多数据集上，相对其他算法有着很大的优势，表现良好
2、它能够处理很高维度的数据，并且不用做特征选择，因为特征子集是随机选择的
3、在训练完后，它能够得出特征重要性
4、在创建随机森林的时候，对generlization error使用的是无偏估计，模型泛化能力强
5、随机森林有oob，不需要单独换分交叉验证集
6、训练时树与树之间是相互独立的，训练速度快，容易做成并行化方法
7、对缺失值不敏感，如果有很大一部分的特征遗失，仍可以维持准确度。
缺点：
1、随机森林在某些噪音较大的分类或回归问题上会过拟合
2、对于有不同取值的属性的数据，取值划分较多的属性会对随机森林产生更大的影响
