Выборка атрибутов — техника обучения, при которой decision forest или аналогичный ансамбль рассматривает только случайное подмножество признаков при выборе условий разбиения. Варьируя доступные признаки между узлами или деревьями, она может снижать корреляцию между деревьями и улучшать обобщающую способность.
A tactic for training a decision forest in which each decision tree considers only a random subset of possible features when learning the condition. Generally, a different subset of features is sampled for each node. In contrast, when training a decision tree without attribute sampling, all possible features are considered for each node.