在随机森林方法中，对于每棵树，我们随机选择一组固定大小的变量（特征）。但是，一旦为特定树冻结了该集合，该树的行为是否像常规决策树算法一样？

我假设随机森林只不过是生成一堆经典的“决策树”并为最终分类投票。但是在许多地方，我读过的任何描述似乎都表明了这一点；对于森林中的给定决策树，即使在每个节点上，我们也会随机选择变量。是这样吗？

这是否意味着在树中的每个节点处，我们从为该树固定的变量集中随机选择 m 个变量？还是来自训练数据集的全局变量集？然后从选定的一组变量中，我们启发式地选择一个变量（例如，使信息增益最大化的变量）——这是一个正确的说法吗？