Làm thế nào là rừng ngẫu nhiên và cây cực kỳ ngẫu nhiên phân chia khác nhau?

Đối với rừng ngẫu nhiên, chúng tôi chia nút theo tạp chất Gini hoặc entropy cho một tập hợp các tính năng. RandomForestClassifier trong sklearn, chúng ta có thể chọn phân tách bằng cách sử dụng tiêu chí Gini hoặc Entropy. Tuy nhiên, những gì tôi đọc về Trình phân loại cây bổ sung, một giá trị ngẫu nhiên được chọn cho phần tách (tôi đoán sau đó không có gì để làm với Gini hoặc Entropy). ExtraTreesClassifier từ sklearn có tùy chọn chọn Gini hoặc Entropy cho phần tách. Tôi có một chút bối rối ở đây.

Một lần lặp lại của Rừng ngẫu nhiên:

1. Chọn các tính năng ngẫu nhiên làm tập hợp các tính năng chia tách$m$
2. Trong mỗi tính năng này, tìm điểm cắt "tốt nhất", trong đó "tốt nhất" được xác định bởi Gini / Entropy / bất kỳ biện pháp nào
3. Bây giờ bạn có các tính năng được ghép nối với các điểm cắt tối ưu của chúng. Chọn làm tính năng chia tách của bạn và cắt điểm cặp có hiệu suất "tốt nhất" đối với Gini / Entropy / bất kỳ biện pháp nào$m$

Một lần lặp của các cây cực kỳ ngẫu nhiên:

1. Chọn các tính năng ngẫu nhiên làm tập hợp các tính năng chia tách$m$

2. Trong mỗi một trong các tính năng , với vẽ một điểm cắt ngẫu nhiên đơn thống nhất từ khoảng . Đánh giá hiệu suất của tính năng này với điểm dừng này liên quan đến Gini / Entropy / bất kỳ biện pháp nào$F_i$$i \in {1, ...,m}$$(min(F_i), max(F_i))$

3. Bây giờ bạn có các tính năng được ghép nối với các điểm cắt được chọn ngẫu nhiên của chúng. Chọn làm tính năng chia tách của bạn và cắt điểm cặp có hiệu suất "tốt nhất" đối với Gini / Entropy / bất kỳ biện pháp nào$m$