随机森林使用"在训练时大量决策树，并输出作为单个树的类（分类）模式的类"。
有没有办法，而不是使用作为模式的类，在原始树产生的输出上运行另一个随机森林？
奖励问题：这是个坏主意有什么原因吗？（我相信人们以前会想到这一点）
您可以在拟合的随机林实例的 estimators_ 属性中访问各个决策树。
您甚至可以对该属性（它只是决策树对象的 Python 列表）重新采样以添加或删除树，并查看对结果林的预测质量的影响。
我认为
只是一个性能选项，你的想法听起来不错，但没有更好的"随机性"，但计算速度可能更慢。