这看起来像您正在寻找的答案：http: //people.dsv.su.se/~henke/papers/bostrom07c.pdf

作者着眼于使用来自 ensemble 成员的平均投票与平均概率以及其他一些方法来近似叶节点中的杂质。例如，即使您确实将树生长到最大深度（如评论中所述），“拉普拉斯近似”也可用于通过简单地将每个类的观察计数加一来获得每个类的非零概率类在叶子。

从经验上讲，作者总结说，使用相对类频率的平均值（在 34 个数据集上）比使用平均投票（即轮询）更好，尽管它并不比使用一些“调整后的”概率平均值（如拉普拉斯近似）更好。

对我来说，差异看起来很小，但请查看第 5 页上的“准确度和 AUC”表。这可能会以一种或另一种方式说服你。