不，这不是它的工作原理。

考虑将一棵树添加到随机森林 (RF) 模型中。

标准的递归分区算法将从所有数据开始，对所有变量和可能的分割点进行详尽的搜索，以找到最能“解释”整个数据的那个——最大程度地减少节点杂质。数据根据最佳分割点进行分割，并在左右叶中依次递归地重复该过程，直到满足一些停止规则。这里的关键是，每次递归分区算法寻找一个分割时，所有变量都包含在搜索中。

RF 模型的不同之处在于，当在树中形成每个拆分时，算法会mtry从可用的预测变量集中随机选择变量。因此，当形成每个分割时，会选择 一组不同的随机变量，在其中选择最佳分割点。

因此，对于 RF 使用的大树，至少可以想象，在生长树的同时搜索分割点时，所有变量都可能在某个时间点被使用。