假设我有N个一维点xi及其标签yi = 1/0。我想学习一组k区间，这样当标签1被赋予那些区间中的所有点时，错误被最小化。即，如果数据集是：
1: 0
2: 0
3: 1
4: 1
5: 0
6: 1
7: 1
8: 1
9: 0
10: 0
11: 0
k=1，最佳间隔为[3, 8]。随着k的增加，它会变得更加复杂。
是否有一些常见的算法可以在scikit-learn中执行此操作，或者对决策树算法进行一些修改？只是直接决策树算法不起作用，因为你不能控制k，只能控制深度，并且分支的顺序可能导致次优的最终间隔集。如果有必要，那些不在scikit-learn中的东西也可能没问题。