随机森林是一种机器学习算法，最早由 Leo Breiman 和 Adele Cutler 提出，该算法能够对微生物群落样本进行有效且准确的分类，并且可以找出能够区分组间差异的关键成分（OTU或物种）。简单的说，随机森林就是用随机的方式建立一个森林，森林里面有很多的决策树，并且每棵树之间是没有关联的。得到一个森林后，当有一个新的样本输入，森林中的每一棵决策树会分别进行一下判断，进行类别归类（针对分类算法），最后比较一下被判定哪一类最多，就预测该样本为哪一类。