我遇到了 this example其中涉及完成测试数据集的人脸。此处，max_features 的值 32 被传递给 ExtraTreesRegressor() 函数。我了解到构建决策树，它从输入数据集中选择随机特征。对于上述链接中的示例，图像用作训练和测试数据集。 This wiki page描述各种类型的图像特征。现在我无法理解 sklearn.ensemble.ExtraTreeRegressor 从作为输入提供的图像数据集中查找或提取哪些功能来构建随机森林。此外，如何确定 32 的值最适合 max_features。请帮我解决这个问题。
请您参考如下方法:
随机森林不做特征提取。他们使用提供给他们的数据集中的特征，在这个例子中，这些特征只是来自 Olivetti 人脸数据集的像素强度。
ExtraTreesRegressor 的max_features 参数确定“寻找最佳分割时要考虑的特征数量”(在森林使用的 decision tree learning algorithm 内)。
值 32 可能是根据经验确定的。
