标签： scikit-learn decision-tree entropy interpretation
因此，我已经看到了很多关于如何计算的解释，但是我不能将所有这些都写到一篇论文中，也没有足够的空间来撰写其他变量。
如果我有一个回归模型，我会把系数解释为说咖啡系数使一个人早上可以上班的可能性增加了42％，如果我汇总的系数为0.42。
但是如果它在我的决策树上并且熵= 0.42--仍然与二进制因变量的概率相关，则样本= 500，值[200，300]
所有这些都是虚构的，因为我无法提供您的实际数据