如何使树估计具有分裂参数的随机性？

Question

我想更改用于我的随机林分类器的一半树的拆分器参数。 然而，如果我不训练（适应）他们，估计是不可访问的。 例如，我想要的是如下所示：

rfc = RandomForestClassifier()
for tree in rfc.estimators_:
    if np.random.rand() <= 0.5:
         tree.splitter = 'random'

有什么可能的方法来实现这一点吗？ （‘this’是指‘使一半的树估计量具有拆分器参数‘random’，而不是其默认的‘best’）

编辑： 经过一番搜索，在评论的帮助下，我尝试定义一个未经训练的随机林（或任何树集合），并做了以下工作。你知道吗

rfc_etc_merge = RandomForestClassifier()
rfc_etc_merge.estimators_ = rfc.estimators_ + etc.estimators_
rfc_etc_merge.n_classes_ = rfc.n_classes_
rfc_etc_merge.n_outputs_ = rfc.n_outputs_
rfc_etc_merge.classes_ = rfc.classes_

它似乎工作良好，没有任何错误（预测或概率预测），但这种方法实际上是无错误的？你知道吗