Random Forest Classifier in Scikit-Learn的文档中说
随机森林是一种元估计量，它适合数据集各个子样本上的许多决策树分类器，并使用求平均值来提高预测准确性和控制过度拟合。子样本大小始终与原始输入样本大小相同，但如果bootstrap = True（默认值），则将替换绘制样本
如果训练集大小X具有n个实例，则似乎为每个要训练的决策树选取的每个子样本的大小都将为n。现在，如果Bootstrap == True，则通过替换来获取样本，并且选择一些此类样本似乎在统计上有好处。
但是，如果Bootstrap = False（没有替换而选择的样本），是否意味着每个样本都与训练集相同？这是正确的解释吗？如果是这样，那么每棵树都会得到完全相同的样本吗？那么为什么将其视为一个整体呢？