Uma equipe de análise de dados do Poder Legislativo desenvolveu modelos para prever a probabilidade de aprovação de proposições legislativas com base em informações históricas de tramitação, autoria, temática, comissões envolvidas e padrões de votação. Durante a avaliação dos algoritmos, observou-se que uma árvore de decisão individual produzia resultados interpretáveis, porém apresentava elevada sensibilidade a pequenas variações nos dados de treinamento. Como alternativa, foram estudadas técnicas baseadas em conjuntos de modelos (ensembles), capazes de aumentar a robustez preditiva e reduzir a variabilidade dos resultados.
Assinale a alternativa que apresenta a descrição tecnicamente adequada acerca do Random Forest.