主要思想是装袋过程，而不是使树随机化。详细地说，每棵树都建立在从原始集合中替换抽取的对象样本之上；因此，每棵树都有一些它没有见过的对象，这使得整个集成更加异构，从而更好地泛化。

此外，树正在以这样的方式被削弱，即在每次拆分时只mtry考虑 M （或 ）随机选择的属性；M 通常是集合中属性数量的平方根。这确保了树的过度拟合较少，因为它们没有被修剪。您可以在此处找到更多详细信息。

另一方面，有一种称为极端随机森林的 RF 变体，其中树以随机方式制作（没有优化分割）——请参阅，我认为这个参考。

RF 的实现略有不同。我知道 Salford Systems 的专有实现应该比R 中的普通实现更好。该算法的描述是Friedman-Hastie-Tibshirani 在 ESL 中，第 2 版，第 3 次印刷。一整章（第 15 章）专门讨论 RF，我发现它实际上比原始论文更清晰。树构造算法在 p.588 中有详细说明；我不需要在这里复制它，因为这本书可以在线获得。