我使用“fitctree”函数（链接：https://de.mathworks.com/help/stats/classificationtree-class.html）在Matlab中开发了一个决策树（集合）。
现在我想在python中重建相同的整体。因此我使用带有“DecisionTreeClassifier”的sklearn库（链接：http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html）。
在Matlab中，我通过设置来定义每棵树中的最大分割数量： 'MaxNumSplits' - “fitctree”函数中决策拆分的最大数量。 因此，可以定义分支节点的数量。
现在我理解“DecisionTreeClassifier”对象的属性，没有像这样的选项。我对吗？我发现控制每棵树中节点数量的是“max_leaf_nodes”，它显然控制了叶子节点的数量。
其次：“max_depth”完全控制了什么？如果它不是“无”整数“max_depth = int”代表什么？
感谢您的帮助和建议。谢谢！
答案 0 :(得分：3)
据我所知，没有选项可以限制scikit-learn中的分割（节点）总数。但是，您可以将max_leaf_nodes设置为MaxNumSplits + 1，结果应该相同。
假设我们的树有n_split个分割节点和n_leaf叶节点。如果我们拆分叶节点，我们将其转换为拆分节点并添加两个新叶节点。因此n_splits和n_leafs都会增加1.我们通常只从根节点（n_splits=0，n_leafs=1）开始，每次拆分都会增加两个数字。因此，叶节点的数量始终为n_leafs == n_splits + 1。
至于max_depth;深度是树有多少“层”。换句话说，深度是根和最远叶节点之间的最大节点数。 max_depth参数限制了此深度。如果节点在树下太远，它会阻止进一步拆分节点。 （在做出决定之前，您可以将max_depth视为对分割数量的限制。）