我正在使用scikit-learn RandomForestRegressor，我正在为max_features设置一个显式值。当我这样做时，我希望对于森林中的每棵树，有一个随机的长度max_features特征子集，在构建树时会考虑（这是正确的还是从整个特征集执行特征子采样）对于每棵树的每个节点？）。我试图找出每棵树使用的功能子集。
以下是我现在所处位置的示例：
# initialize random forest with 10 trees of depth 2 (max 3 features),
# with 10 randomly subset features selected per tree
rf = RandomForestRegressor(n_estimators=10, max_depth=2, max_features=10)
forest = rf.fit(X,y) # fit the model
# get a list of individual DecisionTreeRegressor objects
trees = forest.estimators_
如果我想知道第一棵树中哪些功能使用，我想我可以做到以下几点：
[j for j,v in enumerate(trees[0].feature_importances_) if v > 0]
它给出了包含具有非零特征重要性的特征的列的位置。但是，这只给出了10个子采样特征中决策树选择的（最多）3个特征。据我所知，feature_importances_属性不区分使用但未选择的功能与未使用的功能。
我一直在查看源代码，但似乎无法找到DecisionTreeRegressor定义或_tree定义中完整功能集的子采样的位置。
非常感谢任何帮助。
更新
我一直在阅读源代码，我相信它是分割器类，它为每个节点拆分而不是每棵树进行特征采样，并将它们存储在splitter.features属性中。不幸的是，我找不到访问该属性的方法。