ランダムフォレストを説明変数にする場合、渡すデータは目的変数の確率を渡すの？
ランダムフォレストを説明変数に使用する場合、一般的には各木の予測確率を新しい特徴量として渡します。これにより、個々の木の予測の確信度や信頼性を表す指標が得られ、それらを元にメタモデルを構築することができます。
具体的には、ランダムフォレストの各木は、それぞれの入力データポイントに対して2つ以上のクラス（またはクラスごとの確率）の予測を行います。各木の出力は、各クラスに属する確率や、クラスごとのラベルに対する信頼度の指標として解釈できます。
そのため、ランダムフォレスト全体の出力として、各木の予測確率（またはクラスの確率）を特徴量として使用することができます。これらの確率を新しい特徴量として結合し、それをメタモデル（たとえば、別のランダムフォレストやGradient Boostingモデル）に入力することができます。
要するに、各木の予測確率を説明変数として使い、それを元にメタモデルを学習させることで、複数のモデルの予測を組み合わせて最終的な予測を行うことができるのです。