我遇到了this example，其中涉及完成測試數據集的面部。這裏，max_features的值32傳遞給ExtraTreesRegressor()函數。我瞭解到構建的決策樹會從輸入數據集中選擇隨機特徵。對於上述鏈接的示例，圖像用作列車和測試數據集。 This wiki page描述了各種類型的圖像特徵。現在我無法瞭解哪些功能劑量sklearn.ensemble.ExtraTreeRegressor尋找或提取作爲輸入提供的圖像數據集來構建隨機森林。另外，如何確定32的值對於max_features是最佳值。請幫我解決一下這個。Scikit的ExtraTreeRegressor考慮的功能學習構建隨機森林
隨機森林不做特徵提取。他們使用給定的數據集中的特徵，在這個例子中，這些特徵只是來自Olivetti faces數據集的像素強度。
max_features參數爲ExtraTreesRegressor決定了「查找最佳拆分時要考慮的功能數量」（在森林使用的decision tree learning algorithm內）。
值32可能是憑經驗確定的。
這裏使用的特徵是原始像素值。由於數據集中的圖像是一致的，而且非常相似，這似乎足以完成任務。
正如其他人所說：在這個樸素的例子中沒有特徵提取：額外的樹只是使用原始像素作爲特徵。
在更真實的計算機視覺設置中，執行手動調整特徵提取很可能會導致更有趣的模型。要提取的功能類型取決於您要實現的計算機視覺任務。閱讀OpenCV庫中的文獻或示例以瞭解計算機視覺領域的最新技術（將神經網絡表示學習放在一邊，作爲現在的最新研究成果）。
該參數的32值可以隨機搜索。以主分支中的示例爲例：
http://scikit-learn.org/dev/auto_examples/randomized_search.html#example-randomized-search-py