RandomForestClassifier与Scratch中的ExtraTreesClassifier学习
任何人都可以解释scikit学习中RandomForestClassifier和ExtraTreesClassifier的区别。 我花了很多时间阅读报纸：
P. Geurts，D. Ernst。和L. Wehenkel，“Extremely randomized trees”，Machine Learning，63（1），3-42,2006
这似乎是ET的差异：
1）在拆分中selectvariables时，从整个训练集中抽取样本，而不是训练集的引导样本。
2）在每次拆分时，样本中的分割值是从样本中随机抽取的。
这两件事的结果是更多的“叶”。
是的，两个结论都是正确的，虽然scikit-learn中的随机森林实现可以启用或禁用bootstrap重新采样。
在实践中，RF通常比ET更紧凑。 从计算的angular度来看，ET通常更便宜，但可以变得更大。 ET有时可以推广比RF更好，但很难猜测什么时候没有先尝试（并通过交叉validation的网格search来调整n_estimators ， max_features和min_samples_split ）。
