随机森林的每棵树使用多少样本来训练 sci-kit 学习随机森林回归的实现？
而且，当引导选项打开时，与关闭时相比，样本数量有何变化？
在 Breiman 的“随机森林”中，我相信他提到每棵树都使用 1/3 的数据进行训练。在 scikit learn 的实现中也是这样吗？
sklearn 参考：http ://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestRegressor.html
github来源：https ://github.com/scikit-learn/scikit-learn/blob/a24c8b46/sklearn/ensemble/forest.py#L1019
我正在回答我的问题。我有机会与在 sci-kit learn 中实现随机森林的人交谈。这是解释：
“如果
bootstrap=False，那么每棵树都建立在所有训练样本上。如果
bootstrap=True，那么对于每棵树，从训练集中随机抽取 N 个样本进行替换，并且树是基于这个新版本的训练数据构建的。这在训练过程中引入了随机性，因为每棵树都将在略有不同的训练集上进行训练。可以预期，从大小为 N 的数据集中抽取 N 个带有替换的样本将从原始集合中选择约 2/3 的唯一样本。"
从 Scikit Learn v0.22 开始，您仍然可以使用 boostraping，但会限制每棵树训练的最大样本数（max_samples类RandomForestRegressor）。
有关此主题的优秀资源以获取更多详细信息：
放大镜，吉尔斯。“理解随机森林：从理论到实践。” arXiv 预印本 arXiv:1407.7502 (2014)。
布雷曼，里奥。“随机森林。” 机器学习 45.1（2001）：5-32。
布雷曼，里奥。分类和回归树。劳特利奇，2017。