ป่าแห่งการตัดสินใจเป็นคําทั่วไปที่อธิบายถึงโมเดลที่สร้างจากต้นไม้ที่มีอํานาจตัดสินใจหลายครั้ง การคาดการณ์ของป่าการตัดสินใจคือการรวมการคาดการณ์ของแผนผังการตัดสินใจ การใช้การรวมนี้ขึ้นอยู่กับอัลกอริทึมที่ใช้ฝึกฟอเรสต์การตัดสินใจ เช่น ในป่าแบบสุ่มสําหรับแยกประเภทที่ประกอบด้วยหลายชั้น (ป่าการตัดสินใจประเภทหนึ่ง) ต้นไม้แต่ละต้นจะโหวตให้ชั้นเรียนเดียว และการคาดการณ์ป่าแบบสุ่มจะเป็นชั้นเรียนที่มีตัวแทนมากที่สุด ในแผนผังการแยกประเภทไบนารีแบบไบนารี (GBT) (ป่าการตัดสินใจอีกประเภทหนึ่ง) แต่ละต้นไม้ให้ค่า Logit (ค่าจุดลอยตัว) และการคาดการณ์ Boosted Tree เป็นผลรวมของค่าเหล่านั้น ตามด้วยฟังก์ชันการเปิดใช้งาน (เช่น sigmoid)
2 บทถัดไปจะอธิบายอัลกอริทึมสําหรับการตัดสินใจทั้ง 2 อย่างนี้