“诚实”的随机森林

Question

我想知道随机森林预测时以下两种方法之间的区别：

方法1：

1. （随机）将数据集分为训练样本和测试样本
2. 使用替换自举（其中n_tree是要构建的树数）从训练集中创建n_tree子样本
3. 在这些n_tree子样本中的每个样本上构建一棵树（每个节点具有（相应子样本的）特征的随机子集）
4. 运行您对每棵树进行测试并获得预测
5. 所有树木的平均值

方法2：

1. （随机）将数据集分为训练样本和测试样本
2. 在训练样本上构建一棵树（每个节点上具有（相应子样本的）特征的随机子集）
3. 在树上运行测试集并获得预测
4. 重复步骤1.-3。 n_tree次
5. 所有树木的平均值

方法2（据我了解）是使用所谓的“诚实”树，因为每棵树都建立在一个集合上，并在另一集合上进行预测（这将导致渐近正态预测（Athey＆Wager，2017年）但是，这与方法1有什么不同，方法1也是在一个集合上构建我的树，并在另一集合上进行预测？我确实知道在方法1中，我只随机分配一次训练和测试集，而方法2中则是因此，在方法1中，我必须确保两组中X（特征）和Y（标签）之间的联合分布相同，方法2中的情况应该平均。方法1的情况也一样，这两种方法是否相同？那么，我的预测在两种方法中都渐近正常吗？

对此表示感谢，感谢您！