sklearn里的RandomForestClassifier和ExtraTreesClassifier有什么区别吗？

参考黄前志在Extra Tree算法是什么？的回答。

复制一下：

ExtRa Trees是Extremely Randomized Trees的缩写，意思就是极度随机树。这是一种组合方法，与其说像决策树，实际上它更像随机森林。

与随机森林的相同点：1. bootstrap了样本。2. 随机选取了部分特征，来构造一个棵树。 我们知道随机森林是由很多个随机的决策树组成的，extra trees比随机森林更随机。 

与随机森林的不同点：每棵决策树选择划分点的方式不同。对于普通决策树，每个特征都是根据某个标准(信息增益或者gini不纯)去进行划分，比如说一个数值特征的取值范围是0到100，当我们把这个特征划分为0-45，45-100的时候，效果最佳（从信息增益或者gini不纯的角度），决策树就会将45作为划分点；然后再按照某个标准来选择特征。而对于extra trees中的决策树，划分点的选择更为随机，比如一个数值特征的取值范围是0到100，我们随机选择一个0到100的数值作为划分点；然后再按照评判标准选择一个特征。