Nie.
Lasy losowe są oparte na algorytmach podziału drzewa.
Jako taki, nie ma analogii do współczynnika uzyskiwanego w ogólnych strategiach regresji, który byłby zależny od jednostek zmiennych niezależnych. Zamiast tego uzyskuje się zbiór reguł partycji, w zasadzie decyzję o progu, i to nie powinno się zmieniać wraz ze skalowaniem. Innymi słowy, drzewa widzą tylko rangi w cechach.
Zasadniczo każda monotoniczna transformacja danych nie powinna w ogóle zmieniać lasu (w najczęstszych implementacjach).
Ponadto drzewa decyzyjne są zwykle odporne na niestabilności numeryczne, które czasami pogarszają zbieżność i precyzję innych algorytmów.