在第1.9.2.3节中的Scikit-Learn http://scikit-learn.org/stable/modules/ensemble.html#id6的整体方法文档中 . 我们读到的参数：
（...）当min_samples_split = 1（即完全开发树木时）设置max_depth = None时，通常也会达到最佳结果 . 请记住，这些值通常不是最佳的 . 应始终交叉验证最佳参数值 .
那么最佳结果和最佳结果之间有什么区别？我认为通过最佳结果，作者意味着最佳的交叉验证预测结果 .
此外，请注意默认情况下，bootstrap样本在随机林中使用（bootstrap = True），而默认策略是使用原始数据集构建额外树（bootstrap = False） .
我通过以下方式理解这一点：默认情况下，在Scikit-Learns实现中使用bootstrapping，但默认策略是不使用bootstrapping . 如果是这样，那么默认策略的来源是什么？为什么它不是实现中的默认策略？
1 回答
我同意第一句话是自相矛盾的 . 也许以下会更好：
对于第二个引用，它将随机林（
RandomForestClassifier和RandomForestRegression）的bootstrap参数的默认值与类ExtraTreesClassifier和ExtraTreesRegressor中实现的极随机树进行比较 . 以下可能更明确：如果您发现这些配方更清楚，请随时提交带有修复的PR .