我正在编写一个用 ID3 算法从头开始训练的决策树。我希望能够对连续数据进行训练和分类，因此我实施了 k-means 聚类并缩小了任何输入训练或预测数据的值范围。

但是，我遇到了一个问题，即在训练过程中没有遇到的属性值，在树的某个深节点中，但在更远的地方存在。具有此特定属性值的所有数据点可能最终都位于树的不同分支上。

所以为了“解决”这个问题，每当遇到一个节点的未知属性值时，我都会将它发送到一个随机的现有分支。

使用 iris 随机拆分 85%-15% 的训练测试数据，我得到了 95.45% 的准确率。

这是一种可以接受的方法还是我在这里做错了什么？

这是代码：https ://github.com/jamalmoir/ml_components/blob/master/ml_components/models/decision_tree.py

谢谢