当我们用随机森林进行分类，最后的结果也是可以是概率的。这个概率是怎么计算的呢？
是 A）得到标签为1的树除以树的总个数吗？
还是 B）把每棵树得到的概率取平均？
还是 C）按照叶节点里样本的个数加权平均？
比如有三棵树，某个样本X在各个树被分到的叶节点的情况为
第一棵：（1，1，0）。第二棵：（1，1，0，0，0）。第三棵：（1）。
按照A方法，得到的概率为
$$\frac{2}{3}$$
按照B方法，得到的概率为
$$\frac{1}{3}\left(\frac{2}{3}+\frac{2}{5}+\frac{1}{1}\right)=\frac{31}{45}$$
按照C方法，得到的概率为
$$\frac{2+2+1}{3+5+1}=\frac{5}{9}$$
随机森里是按照哪种方法计算概率的呢？
相关主题
决策树的深度和数据特征个数的关系
1回答
怎么得到randomforestregressor里每棵树的预测结果？
1回答
python sklean中的决策树是用的哪一种决策树算法？
2回答
怎么理解RandomForest中的max_features？
1回答
随机森林的模型一般都很大么？
1回答
我们谢绝在回答前讲“生动”的故事。
我们谢绝“这么简单，你自己想”、“书上有的，你认真看”这类的回答；如果你认为对方的提问方式或者内容不妥，你可以直接忽略该问题，不用进行任何作答，甚至可以对该问题投反对票。
我们谢绝答非所问。
我们谢绝自己不会、硬要回答。
我们感激每一个用户在编写答案时的努力与付出！