从文档中引用：

输入样本的预测类别概率计算为森林中树木的平均预测类别概率。一棵树的类概率是叶子中同一类的样本的分数。

然后，预测只是具有最高平均类概率的类。

您可以在此处找到源代码。

请注意，这与经典的多数投票不同，后者通常被认为是树中最常见的类别预测，而这里的投票发生在类别概率级别。

回归的源代码在这里：

输入样本的预测回归目标被计算为森林中树木的平均预测回归目标。

随机森林是决策树的集合。每个决策树都会对每个观察得出一个“结论”（即预测）。然后将所有树组合在一起。

这是什么意思？

• 如果您正在训练随机森林回归器，则此组合是每棵树预测的平均值。
• 如果您正在训练一个随机森林分类器，每棵树的分类都会通过“多数投票”机制组合成最终分类。