Можно ли в Random Forest использовать данные разного масштаба

Да, можно. Random Forest не требует масштабирования данных, так как он строит деревья на основе разбиения признаков по пороговым значениям, а не расстояний между точками. Однако, если признаки имеют сильно разный масштаб, это может влиять на важность признаков при использовании некоторых критериев (например, MSE в регрессии).

Пример с sklearn:

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification

X, y = make_classification(n_features=4, random_state=42)
# Добавим признак в другом масштабе
X[:, 0] *= 1000  

model = RandomForestClassifier()
model.fit(X, y)  # Работает без масштабирования

Если важность признаков критична, можно использовать StandardScaler, но это не обязательно.