Extra-random Trees 需要一个目标变量，因此 Isolation Forest 会生成一个随机目标（sklearn，solitude）。在预测时，不y使用任何值，ExtraTrees 实际上并不进行预测；相反，样本被传播到叶子并提取深度（sklearn）。

至于树的构建过程，sklearn 至少不使用这些y值，因为 ExtraTrees 模型具有max_features=1和splitter='random'( source )。我不太确定solitude，因为它有mtry=ncol-1（来源）；也许更进一步，使用splitrule='extratrees'会解决这个问题？否则，选择的拆分将尝试在 random 上进行优化y，尽管因为这些是随机的，所以它可能并不重要（当然我不会称它为监督模型）。