Использование мешков и случайных лесов вместе

Question

Я смотрел на реализацию ядра (для классификации текста), и следующий фрагмент кода немного смутил меня (я удалил часть функций - чтобы сохранить их легкость - так как большинство из них похожи - например, количество отрицательных, положительных, нейтральных слов):

pipeline_ = Pipeline([
    ('fu', FeatureUnion([
        ('tfdif_features', Pipeline([
            ('cv', CountVectorizer()),
            ('tfidf', TfidfTransformer()),
            ('tfidf_', Wrapper(RandomForestClassifier())),
        ])),
        ('nb_pos_features', Pipeline([
            ('nb_pos', NumberSelector('posWords') ),
            ('nb_pos_', Wrapper(RandomForestClassifier())),
        ])),
    ])),
    ('xgb', XGBClassifier()),
])

Сначала я подумал, что это выглядит как пакетирование, поскольку для каждой функции создается базовая модель с последующим повышением. Но не случайный лес в этом случае дерево решений? Почему используется случайный лес, а не что-то другое (например, логистическая регрессия)?

Любые разъяснения будут с благодарностью.