我想使用以下过程创建一个随机森林：

• 使用信息增益在数据和特征的随机样本上构建树以确定拆分
• 如果叶节点超过预定义的深度，则终止叶节点，或者任何拆分都会导致叶数小于预定义的最小值
• 不是为每棵树分配一个类标签，而是分配叶节点中类的比例
• 在构建了预定义的数量后停止构建树

这以两种方式颠覆了传统的随机森林过程。一，它使用分配比例而不是类标签的修剪树。第二，停止标准是预定数量的树，而不是一些袋外错误估计。

我的问题是这样的：

对于上述输出 N 棵树的过程，我可以使用带 LASSO 选择的逻辑回归拟合模型吗？有没有人有使用逻辑 LASSO 拟合随机森林分类器和后处理的经验？

ISLE 框架提到使用 LASSO 作为回归问题的后处理步骤，而不是分类问题。此外，在谷歌搜索“随机森林套索”时，我没有得到任何有用的结果。