はじめに：ランダムフォレストって何？
ランダムフォレストは、機械学習の分野で非常に人気があり、強力な手法の一つです。 名前だけ聞くと「ランダムな森？」と少し不思議に思うかもしれませんが、その名の通り、たくさんの「決定木」と呼ばれる木を集めて「森」を作り、集団の力で物事を予測・分類するアルゴリズムです。
例えば、「ある顧客が商品を買うか、買わないか」「明日の天気は晴れか、雨か」といった分類問題や、「来月の売上はいくらになるか」といった回帰（数値予測）問題など、幅広い用途で活用されています。 2001年に統計学者のレオ・ブレイマンによって開発されて以来、その精度の高さと使いやすさから、多くのデータ分析の現場で活躍しています。
ランダムフォレストの仕組み
ランダムフォレストを理解するためには、まずその構成要素である「決定木」と、それらを束ねる「アンサンブル学習」という考え方を知る必要があります。
Step 1: 「決定木」 – 1本の木で判断する
決定木は、文字通り「木」のような構造で物事を判断するモデルです。 「もし～なら、こうする」というシンプルな質問を繰り返していくことで、最終的な結論を導き出します。
例えば、「夕食に外食するかどうか」を予測する決定木は、以下のようなイメージです。
- 「天気は良いか？」 → Yes/No
- 「給料日前か？」 → Yes/No
- 「明日は休みか？」 → Yes/No
このように、条件分岐を繰り返してデータを分類していきます。決定木は非常に直感的で理解しやすいのがメリットですが、1本の木だけだと、学習データに過剰に適合してしまう「過学習（オーバーフィッティング）」を起こしやすいという弱点があります。 過学習が起きると、学習に使ったデータには完璧に答えられますが、未知の新しいデータに対してはうまく予測できなくなってしまいます。
Step 2: 「アンサンブル学習」と「ランダム」の力 – 森で賢く判断する
そこで登場するのがランダムフォレストです。1本の木の弱点を、たくさんの木を集めた「森」で補おうという考え方（アンサンブル学習）に基づいています。
ランダムフォレストが賢いのは、ただ木をたくさん作るだけではない点です。次の2つの「ランダム性」を取り入れることで、多様性に富んだ、より強力な森を作り出します。
- データのランダムサンプリング（バギング）: 元となる学習データから、ランダムに一部のデータを何度も重複を許して（ブートストラップ法）取り出します。そして、それぞれのデータセットを使って別々の決定木を学習させます。 これにより、各木は少しずつ違うデータで学習することになり、多様性が生まれます。
- 特徴量のランダム選択: 決定木が枝分かれする際、通常はその時点で最も良い条件を探します。しかしランダムフォレストでは、全ての条件（特徴量）の中からさらにランダムにいくつかを選び、その中で最も良い条件で枝分かれさせます。 これにより、各木が同じような判断基準ばかりに偏るのを防ぎ、さらに多様な視点を持った木が育ちます。
Step 3: 多数決で最終決定
こうして作られた個性豊かな木々（決定木）がたくさん集まった森（ランダムフォレスト）が完成したら、いよいよ予測です。
- 分類問題の場合: 各決定木が「Aだと思う」「Bだと思う」といった予測を出します。その結果を集計し、最も多くの票を集めたものを最終的な予測結果とします（多数決）。
- 回帰問題の場合: 各決定木が予測した数値の平均値を最終的な予測結果とします。
様々な意見を持つ専門家が集まって議論するように、多様な決定木の結果を統合することで、一つの決定木よりも頑健で精度の高い予測が可能になるのです。
メリットとデメリット
ランダムフォレストは非常に強力な手法ですが、万能ではありません。メリットとデメリットを理解して、適切に利用することが重要です。
| メリット（良い点） | デメリット（注意点） | |
|---|---|---|
| 予測精度 | 複数の木を組み合わせるため、一般的に高い予測精度を発揮します。 | 特定の状況下では、後述の勾配ブースティングなど他の手法に劣る場合があります。 |
| 過学習 | 過学習しにくい性質を持っています。 ランダムなサンプリングにより、訓練データへの過剰な適合が抑制されます。 | 完全に防げるわけではなく、木の数や深さなどのパラメータ調整は必要です。 |
| 解釈性 | どの特徴量（条件）が予測にどれだけ重要だったかを可視化できます。 | 多数の木が複雑に絡み合うため、なぜその予測に至ったのかという過程の解釈は困難です。 |
| 頑健性 | 欠損値や外れ値（異常なデータ）が含まれていても、比較的安定して動作します。 | 事前にデータを綺麗に（前処理）しておくことで、さらに性能は向上します。 |
| 計算コスト | 並列処理がしやすいため、大規模なデータセットにも対応可能です。 | 多くの木を生成・学習するため、計算に時間がかかり、メモリも多く消費します。 |
どのような場面で使われるのか？（活用事例）
ランダムフォレストはその汎用性の高さから、様々な分野で実際に活用されています。
- 金融業界: クレジットカードの不正利用検知や、顧客の信用リスク評価などに使われます。
- 医療分野: 検査データや画像データから病気の可能性を予測したり、特定の治療法が患者に有効かどうかを判断するのに役立ちます。
- 製造業: 工場のセンサーデータから製品の品質管理や、機械の故障時期を予測します。
- マーケティング: 顧客の購買履歴や行動データから、次に何を購入するかを予測したり、キャンペーンに反応しやすい顧客層を特定します。
Python (scikit-learn)での簡単な実装例
専門的な手法に聞こえるかもしれませんが、Pythonのscikit-learnというライブラリを使えば、比較的簡単にランダムフォレストを試すことができます。
ここでは、アヤメの花の種類を分類する有名なデータセットを使った例を紹介します。
# 必要なライブラリをインポート
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris
from sklearn.metrics import accuracy_score
# 1. データの準備（アヤメのデータを読み込む）
iris = load_iris()
X = iris.data # 花の特徴量（がくの長さ、幅など）
y = iris.target # 花の種類 (0, 1, 2)
# 2. データを学習用とテスト用に分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 3. モデルの作成と学習
# n_estimatorsは森の中の木の数。今回は100本に設定
model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X_train, y_train)
# 4. テストデータで予測
y_pred = model.predict(X_test)
# 5. モデルの精度を確認
accuracy = accuracy_score(y_test, y_pred)
print(f"モデルの正解率: {accuracy:.4f}")
# 特徴量の重要度を表示
importances = model.feature_importances_
feature_names = iris.feature_names
print("\n特徴量の重要度:")
for name, importance in zip(feature_names, importances): print(f"{name}: {importance:.4f}") このコードは、アヤメの花の特徴からその種類を予測するモデルを構築し、その精度を評価しています。 また、どの特徴量（がくの長さなど）が分類に重要だったかも表示することができます。
まとめ
ランダムフォレストは、「決定木」をたくさん集めて「森」を作り、それぞれの木にランダム性を与えることで、単体よりも賢く、正確な予測を実現する機械学習の手法です。
過学習に強く、高い精度が期待できるため、初心者から専門家まで幅広く利用されています。 計算コストがかかるなどのデメリットもありますが、その強力さから、データ分析の世界では欠かせないツールの一つとなっています。 もし機械学習に興味を持ったら、ぜひこの「賢い森」の力を試してみてください。