在隨機森林方法中，對於每棵樹，我們隨機選擇一組固定大小的變量（特徵）。但是一旦這個集合被凍結了那棵特定的樹，該樹的行爲是否像一個常規的決策樹算法？在隨機森林中的樹中的每個節點上隨機選擇變量
我假設隨機森林只不過是產生一堆經典的「決策樹」，並將他們的選票投向最終的分類。但在許多地方，我所讀過的任何描述似乎都表明了這一點;對於森林內的給定決策樹，即使在每個節點處，我們也會隨機選擇變量。是這樣嗎？
這是否意味着在樹中的每個節點上，我們從該樹固定的變量集中隨機選擇m個變量？還是從訓練數據集的全局變量集？然後從選定的一組變量中選擇1個啓發式變量（例如，哪個變量使信息增益最大化） - 這是一個正確的陳述嗎？
「在隨機森林方法中，對於每棵樹，我們隨機選擇一組固定大小的變量（特徵），但是一旦該特定樹被凍結，該樹的行爲是否像常規決策樹算法」
沒有
「我假設隨機森林不過是生成大量的經典的‘決策樹’，並採取他們的選票對最終的分類，但在任何說明我看過很多地方似乎暗示。對於森林內的給定決策樹，即使在每個節點上，我們都會隨機選擇變量，是這樣嗎？「
是
「這是否意味着，在樹中的每個節點，我們隨機選擇一個固定的那棵樹變量設置的M變量？
這是稍顯混亂，這是假設還有另一個更大的子集保留給那棵可以選擇m的樹嗎？如果不是這個假設，我認爲這基本上是問樹是否隨着每個節點的隨機選擇的特徵而生長，答案是否爲
在隨機森林中，每個節點的特徵隨機化發生，所以如果有ar總共100個預測變量，對於樹中的每個節點，隨機選擇10個子集（比如說）並評估最佳分組。請注意，在樹的整個生長過程中，每個節點中的樹數保持不變。
希望這會有所幫助。