不，极其随机的树仍然可以优化分割。它只为每个特征（从那些随机选择的max_features特征中）选择一个随机分裂点，但是实际用于分裂的特征取决于选择的标准。

https://scikit-learn.org/stable/modules/ensemble.html#extremely-randomized-trees

标准参数用于衡量选择时分割的质量，它不参与初始分割算法（用于分割的特征是随机选择的）

ExtraTreesRegressor：

• mse 和 mae 是唯一可用的选项，mse 是默认选项。mae 是在 0.18 版本之后添加的。检查您的版本是否可用。使用 mae 报告了一些问题。

参考：

https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.ExtraTreesRegressor.html

标准{“mse”, “mae”}, default=”mse” 衡量分割质量的函数。支持的标准是均方误差的“mse”，它等于作为特征选择标准的方差减少，以及平均绝对误差的“mae”。