Python树解释器中的负面贡献是什么意思？

Question

有关https://stackoverflow.com/a/12347891/10818862的使用树解释器的知识，以了解基于树的分类器中的每个特征如何对模型的预测做出贡献。

Kevin显示了虹膜数据集中3个类别中每个类别的每个特征的贡献

this post

我想知道每个特征贡献的正负值意味着什么吗？

例如：reg result[11:0] // each nibble represents a digit always @(*) begin case (num[2:0]) 3'b000 : result = 12'h000; 3'b001 : result = 12'h125; 3'b010 : result = 12'h250; 3'b011 : result = 12'h375; 3'b100 : result = 12'h500; 3'b101 : result = 12'h625; 3'b110 : result = 12'h750; default : result = 12'h875; endcase end 值对于-0.43939394功能意味着什么，如果这是分类问题而不是回归问题？

从开始，如果这是一个回归问题，则负值表示将导致预测的输出较低，而较高的值将较高。

此外，在sklearn中，特征重要性表示平均减少的杂质 what i read。 在这种情况下，正值是否相同？