Процедура построения деревьев решений обычно включает в себя обрезку, которая является частью, которая выполняется апостериори, чтобы уменьшить глубину и избежать переобучения. Случайный лес не использует этот метод, поскольку он фактически использует преимущества высокой дисперсии переопределенных деревьев решений путем их усреднения.
Более того, дерево решений будет построено путем обучения на полном наборе данных, в то время как дерево «случайного леса» будет построено на bootstrap набора обучающих данных, что, вероятно, может привести к ухудшению производительности, так как оно будет смещено к записям, которые были включены несколько раз в выборку. Опять же, Random Forest использует это преимущество, усредняя по нескольким деревьям, но здесь это является недостатком.
В общем, разница в производительности не удивительна.