如果我们选择bootstrap=False，RandomForestClassifier()会做什么？
根据这个链接中的定义
bootstrap : boolean, optional (default=True) 是否在构建树时使用bootstrap样本。
我问这个问题是因为我想对时间序列使用随机森林方法，使用大小为(t-n)的滚动窗口进行训练，并预测日期(t+k)，所以我想知道如果我们选择True或False会发生什么：
1) 如果Bootstrap = True，那么训练样本可以是任意一天的，特征数量也可以是任意数目。例如，可以有来自(t-15)日、(t-19)日和(t-35)日的样本，每个样本都有随机选择的特征，然后预测日期(t+1)的输出。
2) 如果Bootstrap = False，它将使用从日期(t-n)到t的所有样本和所有特征进行训练，因此实际上会尊重日期顺序（意味着它将使用t-35、t-34、t-33…等直到t-1）。然后会预测日期(t+1)的输出。
如果Bootstrap的工作原理是这样的话，我会倾向于使用Bootstrap = False，因为如果不是这样的话（考虑到金融系列），仅仅忽略连续几天的回报，直接从t-39日跳到t-19日，然后跳到t-15日来预测t+1日，这会有点奇怪。我们会错过这些日子之间的所有信息。
那么…Bootstrap的工作原理是这样的吗？
回答：
看起来你把观察的bootstrap和特征的抽样混淆了。《统计学习导论》对随机森林提供了非常好的介绍。
随机森林的优势在于通过抽样观察和特征来创建大量不同的树。Bootstrap = False是告诉它是否要有放回地抽样观察 – 当它为False时，它仍然会抽样，只是没有放回。
你可以通过设置max_features来告诉它你想要抽样的特征比例，可以是特征的比例或者只是一个整数（这是你通常会调整以找到最佳参数的东西）。
在构建每一棵树时，你不会有每一天的数据是没问题的——这就是RF的价值所在。每个单独的树将是一个相当差的预测器，但当你将数百或数千棵树的预测平均在一起时，你（可能）会得到一个好的模型。
