इस शोधपत्र में, हम एक नया रैंडम फ़ॉरेस्ट क्लासिफायर प्रस्तावित करते हैं जो कम जानकारी वाले फ़ीचर को हटाता है और रैंडम फ़ॉरेस्ट (RF) के उच्च अनुमान लागत और मॉडल अतिरेक मुद्दों को संबोधित करने के लिए चुनिंदा रूप से असंबंधित पेड़ उत्पन्न करता है, जिसका उपयोग इसके मजबूत वर्गीकरण प्रदर्शन के लिए विभिन्न क्षेत्रों में व्यापक रूप से किया जाता है। प्रस्तावित मॉडल को कम जानकारी वाले फ़ीचर को हटाकर, विश्लेषणात्मक रूप से नए पेड़ों की संख्या निर्धारित करके और सहसंबंध-आधारित क्लस्टरिंग के माध्यम से अनावश्यक पेड़ों को हटाकर पुनरावृत्त रूप से बेहतर बनाया गया है। आठ अलग-अलग बेंचमार्क डेटासेट (बाइनरी और मल्टी-क्लास सहित) का उपयोग करके प्रयोगात्मक परिणाम दिखाते हैं कि प्रस्तावित मॉडल मानक RF की तुलना में बेहतर सटीकता प्राप्त करता है।
