Для чего в случайном лесе нужны глубокие деревья

Глубокие деревья (с большим количеством разбиений) в случайном лесе помогают улавливать сложные зависимости в данных, особенно нелинейные и взаимодействия признаков. Они уменьшают смещение (bias) модели, так как каждое дерево становится более точным на обучающих данных. Однако сам ансамбль (лес) компенсирует их высокую дисперсию (variance) за счёт агрегации предсказаний множества деревьев.

Пример с sklearn:

from sklearn.ensemble import RandomForestClassifier
# Глубокие деревья (max_depth=None или большое значение)
rf = RandomForestClassifier(n_estimators=100, max_depth=20, random_state=42)

Без глубоких деревьев лес может недообучаться, но важно балансировать глубину с количеством деревьев и другими параметрами, чтобы избежать переобучения отдельных деревьев.