正如我们从sklearn文档here或我的实验中看到的那样，DecisionTreeClassifier的所有树结构都是二叉树。无论标准是gini还是熵，每个DecisionTreeClassifier节点都只能有0或1或2个子节点。
但是从决策树介绍slide（第3页），理论决策树的每个节点都可以有2个以上的子节点。
所以我的问题是为什么决策树结构只是二叉树（每个DecisionTreeClassifier节点只能有1个或2个子节点。）sklearn DecisionTreeClassifier？我们可以为DecisionTreeClassifier获取具有2个以上子节点的树结构吗？
答案 0 :(得分：5)
这是因为sklearn的方法是使用数字特征，而不是分类，当你有数字特征时，建立一个很好的分裂规则是相对困难的具有任意数量的阈值（生成超过2个子项所需的阈值）。另一方面，对于分类特征（在提供的幻灯片中使用），另一种可能的选择是尽可能多地生成子项值。这两种方法都有自己的问题（分类方法使得当你有足够的可能值时它几乎可以内存）并且数字需要特定的特征编码（一个热门用于分类，这有效意味着你仍然可以表达相同的树，但不是“物种“有3个孩子[狗，猫，人]你将有更深的树决定：[狗，而不是狗]，[不是狗，但猫，不是狗，不是猫，而是人类]。”
所以简短的回答是没有，你实现这个实现不能超过2个孩子，但这并不是真正限制的。