Las losowy, losowy las decyzyjny – metoda zespołowa uczenia maszynowego dla klasyfikacji, regresji i innych zadań, która polega na konstruowaniu wielu drzew decyzyjnych w czasie uczenia i generowaniu klasy, która jest dominantą klas (klasyfikacja) lub przewidywaną średnią (regresja) poszczególnych drzew. Losowe lasy decyzyjne poprawiają tendencję drzew decyzyjnych do nadmiernego dopasowywania się do zestawu treningowego. Pierwszy algorytm losowych lasów decyzyjnych został stworzony przez Tin Kam Ho przy użyciu metody losowej podprzestrzeni, która w formule Ho jest sposobem na implementację podejścia „dyskryminacji stochastycznej” do klasyfikacji zaproponowanej przez Eugene’a Kleinberga.
Rozszerzenie algorytmu zostało opracowane przez Leo Breimana i Adele Cutler, którzy zarejestrowaliU.S. trademark registration number 3185828, registered 2006/12/19. „Random Forests” jako znak towarowy (stan na 2019, należący do Minitab, Inc.). Rozszerzenie łączy pomysł baggingu (agregacji bootstrapowej) Breimana i losowy wybór cech, wprowadzony po raz pierwszy przez Ho, a później niezależnie przez Amita i Gemana w celu skonstruowania zbioru drzew decyzyjnych o kontrolowanej wariancji.