クイズ番組の「オーディエンス」を思い出してほしい。ひとりの専門家が外す問題でも、会場全員の多数決は不思議と正解に近づく。機械学習の世界で、これとまったく同じ発想で作られたのがランダムフォレストだ。
正体は、決定木を数百〜数千本まとめて育てて、全員の多数決で答えを出す仕組み。単純に聞こえるが、これが驚くほど強い。LLM全盛の2026年でも、銀行の審査や工場の故障検知といった「表データ」の現場では現役の主力であり続けている。
1本の木の弱点を、森が消す
決定木は「はい/いいえ」の質問を重ねて答えにたどり着く、人間にも読める素直なモデルだ。ただし弱点がある。訓練データに過剰に合わせ込みやすい(過学習)。データが少し変わっただけで、木の形も予測もガラッと変わってしまう。
ランダムフォレストは、この「不安定さ」を逆手に取る。ポイントは2つのランダム化だ。まず、訓練データからランダムに選び直したデータセットを木の本数ぶん作る(ブートストラップと呼ばれる復元抽出)。さらに、木の枝分かれを決めるたびに、使える特徴量(判断材料)もランダムに絞る。こうして育った木々は、それぞれ少しずつ違う「クセ」を持つ。
数百通りのデータを作る → それぞれで決定木を育てる
(判断材料もランダムに制限)
図: ランダムフォレストの流れ(筆者作成)
クセの違う木は、間違え方も違う。1本1本の予測誤差がバラバラの方向を向くので、多数決を取ると誤差同士が打ち消し合う。個々の木は平凡でも、森になると精度が跳ね上がる——「三人寄れば文殊の知恵」を、数学的に設計した手法と言っていい。
2001年生まれ、いまだ第一線
手法を確立したのは、統計学者レオ・ブライマンの2001年の論文「Random Forests」だ(特徴量をランダムに選ぶ原型は、1995年のティン・カム・ホーの研究が先行している)。ブライマンはこの論文で、面白い性質を証明した。木の本数をいくら増やしても、それが原因で過学習は起きない。増やすほど性能は安定していく。安心して「森を大きくできる」わけだ。
四半世紀たった現在の立ち位置も驚くほど堅い。2022年のNeurIPS(機械学習のトップ会議)で発表されたベンチマーク研究は、「典型的な表形式データでは、木ベースの手法がディープラーニングをいまだに上回る」と結論づけた。2025年の製造業の研究では、深層学習を含む12モデルの比較でランダムフォレストが最高精度(99.5%)を出した例もある。医療データの異常検知や信用リスクの審査でも、比較研究の上位常連だ。
arxiv.org Why do tree-based models still outperform deep learning on typical tabular data? 45データセットで木ベース優位を示したNeurIPS 2022論文。「なぜ強いか」の分析も面白い。XGBoostがあるのに、なぜ使われ続けるのか
精度の限界を攻めるコンペの世界では、主役はXGBoostやLightGBMといったブースティング系に移った。Kaggleの表データ部門の優勝解法は、いまや大半がブースティングだ。それでもランダムフォレストが現場から消えない理由は、手がかからないことに尽きる。
ブースティングは細かい設定の調整に精度が左右されるが、ランダムフォレストはほぼ初期設定のままで「そこそこ強い」結果を返す。過学習にも強く、どの判断材料が効いたか(特徴量重要度)も確認できる。だから実務では、まずランダムフォレストで基準点を作り、必要ならブースティングで上を目指す——という順番が定石になっている。優勝者の道具というより、外さない道具。筆者は、最初に覚えるアンサンブル手法として今もこれ以上の教材はないと見ている。
「森」はAIの原風景である
LLMのような巨大モデルは、中で何が起きているかを人間が追いきれない。一方、ランダムフォレストは「たくさんの単純な判断の多数決」という、人間社会にもある知恵をそのまま機械にした構造だ。AIの賢さの原点——凡人の集まりが専門家を超える瞬間——を、これほど素直に見せてくれるモデルはほかにない。決定木という1本の木を知ったら、次は森を歩いてみてほしい。
出典: Breiman「Random Forests」(2001, 原論文) / scikit-learn公式ドキュメント「Ensembles」 / Grinsztajn et al.(NeurIPS 2022) / Applied Sciences(2025, 製造業12モデル比較)。2026年7月時点。
