在随机森林树中，每次拆分时都可以考虑随机的特征子集。Extra-trees 通过在每次拆分时使用随机阈值来更进一步。这个想法是，一个森林（树的集合）具有大量的树，这些树学习了彼此不同的东西（由于每次分割时特征和阈值的随机性），这将导致比任何单一的更好的预测树。

如果要对单个树中的每个拆分（额外树所做的）使用随机阈值，那么最终可能会得到一棵预测不佳的次优树。