我对运行多个RF模型的直觉有疑问。

我有一些应该相关的特征（3 到 10 之间），因为它们测量通常相关的事物。

我想调整maximum depth of the tree, 和min samples at each leaf- 两者都用作停止标准。

由于数据是相关的，我最好的直觉是我想让每个决策树尽可能深，并且在每个叶子的几分钟样本的一侧犯错（假设是 10，因为只有大约 1000 个数据点）。我对此的理由是，由于数据是相关的，因此无需担心过度拟合。

这种直觉正确吗？如果没有，优化这两个参数的好方法是什么？