Machine learning 随机森林算法选择了多少特征？

我正在使用随机森林，我想知道特征选择是如何工作的。 我有一组423个特性，我知道它们是使用log2F+1随机选择的。这样我就得到了12/13特征子集。但我无法理解的是选择的随机性，以及这些子集对于每棵树是否应该是不同的，或者子集对于所有树是否都是相同的，但不同的是多重组合。

---

如果我有一个有10棵树的模型，那么特征选择是否应该因树而异？感谢您的帮助。

林中的每棵树都会获得不同的随机特征样本。决策树学习通常是确定性的，因此，如果每棵树都有相同的特征集，那么它们都会学习相同的决策树，这与目的背道而驰。您希望他们都接受不同特征子集的培训

---

如果算法是从423个特征的原始集合中选择12个特征的子集，那么每个树将获得自己的样本，而不需要替换整个集合中的12个特征。

也许你应该检查这篇论文：