Python 在循环内部或外部创建非常随机的树

我在X_样本中有许多样本矩阵（mxn）。 每个矩阵具有相同的行数（相同的m），但具有不同的特征数（不同的n）。 X样本中的矩阵示例为：1000x40、1000x35、1000x31000x25。 关于我的问题，我有以下（非常简化的）代码示例：

Y_train =
Y_test =
clf = ExtraTreesClassifier(n_estimators=500, max_depth=None,max_features="auto",
                           min_samples_split=1, random_state=0)

for X_data in X_samples:
    X_train = X_data[0]
    X_test = X_data[1]
    clf.fit(X_train,Y_train)
    pred_res = clf.predict(X_test)
    .....

我使用参数

max\u features=“auto”

在循环外部创建一个分类器。 我使用具有不同数量特征的样本矩阵在循环中执行不同的分类。我的问题是，每次循环执行拟合操作时，分类器是否会根据X_序列的实际大小（特征的实际数量）调整

max_特征的值。值为“auto”的参数
max\u features
应获得等于特征数平方根的实际值。
也就是说，我应该在循环外部还是在循环内部创建分类器？是否有办法读取参数的实际值
max\u features
？
是。
fit
函数不会改变估计器。
请参阅。
是。
fit
函数不会改变估计器。
请参阅。
但是当
\uuuu init\uuuu
参数设置为
“auto”
时，
外部树分类器
似乎不会导出实际的
最大特征
。但是当
\uu init\uuuuu
参数设置为
“auto”
时，
外部树分类器
似乎不会导出实际的
最大特征。