极端树（极端随机树简称）是一种使用决策树的集成监督机器学习方法，由使用 AutoML 进行训练工具使用。 有关决策树工作原理的信息，请参阅决策树分类和回归算法。 此方法类似于随机森林，但速度更快。
极端树算法与随机森林算法相似，会创建许多决策树，但每棵树的采样是随机的，无需替换。 这会为每棵树创建一个具有唯一样本的数据集。 还会为每棵树从要素总集中随机选择特定数量的要素。 极端树最重要和独特的特征是随机选择要素的分割值。 该算法不使用 Gini 或熵来计算局部最优值来分割数据，而是随机选择一个分割值。 这可以实现树的多样化且不相关。
其他资源
Geurts, Pierre, Damien Ernst, and Louis Wehenkel. "Extremely randomized trees." Machine learning 63, no. 1 (2006): 3-42.