무작위 후보의 선택
각 노드에서 특징과 임곗값을 무작위로 골라 여러 분할 후보를 만든다. 그중 점수를 최대화하는 후보를 선택해 트리를 성장시키므로 모든 분할을 처음부터 최적 탐색하는 방식과 다르다.
트리 성장의 조정
잎의 출력이 순수하거나 자료 수가 정한 최소값보다 작으면 성장을 멈춘다. 후보 수와 최소 표본 수를 바꾸면 무작위성, 입력 선택, 트리 크기의 절충을 조정할 수 있다.
적용과 평가
2006년 저자 보고는 이 알고리즘의 계산 복잡도와 확장성을 논의했다. 시계열 분류와 실험 자료에서 순차 의사결정 정책을 추론하는 두 적용도 소개했다.