决策树有2个相似的节点

Question

我使用sklearn创建了一个决策树。

from sklearn import tree
clf = tree.DecisionTreeClassifier(max_depth=3)
clf = clf.fit(X, Y)

数据框X中的参数为 - 'Company size'，'Industry_other'，'Account size'，'Country'和'Use case 1'。

在尝试使用export_graphviz：

来可视化树时，我得到了两个相似的节点

获取类似节点的原因是什么？我该如何阅读这棵树？

Answer 1

为简化说明，我将用字母解释。你的树看起来像这样：

A -> B
|
 \-> C -> D -> F
     |     \-> G
     |
      \-> E -> H
           \-> I

A是您的 root 节点，而D和E您说的节点是类似节点。

在您的图表中，节点A分为两部分，B和C。使用Account size < 19969的数据样本转到C，否则转到B。

在到达C的示例中，Industry other <= 1.5的示例转到E，其他转到D。在此，E和D看起来完全相同，因为他们已经学习了相同的规则，但该规则适用于不同的数据样本。

这是从到达E的样本中，company size < 1.5的示例转到I而其他转到H，类似的内容适用于{{1} }}

希望它更清楚，我并没有让你更加困惑。

基本上，他们已经学习了相同的规则，但将其应用于不同的样本。换句话说，D和D都知道在两组中分离到达它们的样本的最佳规则是相同的。但是，到达它们的样本具有不同的性质（准确地说不同E）。

也可以通过某种方式理解为Industry_other有助于区分样本而不管其Company_size。