Amostra suficiente para a diversidade das árvores
O conjunto de treino precisa ser grande o bastante para que as reamostras bootstrap produzam árvores efetivamente diferentes. Com , as amostras bootstrap se sobrepõem muito e a correlação entre árvores aumenta, reduzindo o ganho de redução de variância.
Se falhar:As estimativas de erro fora da bolsa ficam otimistas. A floresta degenera na direção de uma única árvore média, perdendo a diversidade do conjunto.