sklearn.tree.DecisionTreeClassifier停留在预测最频繁的类别上吗？

Question

下面是我认为与我的问题相关的代码的详细信息。

1. 我创建了这样的目标二进制变量PP，并附加了PP的分布。如您所见，False/0〜66％和True/1 = 34％

pandas_df['PP'] =(pandas_df['DET'].fillna(0) <1).astype('str')  

False    48114
True     25089
Name: FP, dtype: int64

1. 下面是型号代码。目标是像大多数模型一样预测TRUE的概率

X= pandas_df[predictors]
y2= pandas_df.PP
tree_clf =DecisionTreeClassifier(max_depth=3, random_state=42,min_samples_leaf=500)
tree_clf.fit(X, y2)

1. 然后我将模型可视化如下（由于很长，我特意留了空白的feature_name）

 dot_data2 =tree.export_graphviz(tree_clf,out_file=None,feature_names=(),....                                           

 pydot_graph = pydotplus.graph_from_dot_data(dot_data2)
 pydot_graph.set_size('"0.5,0.5!"')
 pydot_graph.write_png('resized_tree.png')
 DTgraph=graphviz.Source(dot_data2)
 DTgraph  

该代码无错误。图看起来很有意义。

但是：在显示的每个叶/节点中，其显示为Class=False。我通过创建另一个变量PP2将PP 0翻转为1和1翻转为0进行了测试。然后它说Class = True，因为在PP2中它是True，即66％。

我可以忍受PP2，稍微扭一下头就可以正确理解它。但是噩梦把这棵树呈现给商业观众。我通读了sklearn文档和用户指南。没有找到强制其预测TRUE概率的方法。我误读了Class = False吗？