在 1.9.2.3部分的Scikit-Learn http://scikit-learn.org/stable/modules/ensemble.html#id6的整体方法文档中。参数我们读到：
（...）当与min_samples_split = 1（即完全开发树木时）一起设置max_depth = None时，通常也会达到最佳结果。请记住，这些值通常不是最佳的。应始终交叉验证最佳参数值。
那么最佳结果和最佳结果之间有什么区别？我认为通过最佳结果，作者意味着最佳的交叉验证预测结果。
此外，请注意默认情况下，bootstrap样本在随机林中使用（bootstrap = True），而默认策略是使用原始数据集构建额外树（bootstrap = False）。
我通过以下方式理解这一点：默认情况下，在Scikit-Learns实现中使用bootstrapping，但默认策略是 not 使用bootstrapping。如果是，那么默认策略的来源是什么？为什么它不是实现中的默认策略？
答案 0 :(得分：3)
我同意第一句话是自相矛盾的。也许以下会更好：
使用完全开发的树（max_depth = None和min_samples_split = 1）也经常达到最佳效果。请记住，这些值通常不能保证是最佳的。应始终对最佳参数值进行交叉验证。
对于第二个引用，它将随机林bootstrap和RandomForestClassifier的{{1}}参数的默认值与类{{1}中实现的极随机树进行比较}和RandomForestRegression。以下可能更明确：
此外，请注意默认情况下，bootstrap样本在随机林中使用（bootstrap = True），而对于构建额外树，默认策略是使用原始数据集（bootstrap = False）。
如果您发现这些配方更清楚易懂，请随时提交带有修复的PR。