我正在使用DecisionTreeClassifierSKlearn (v0.21.3) 及其默认设置，使用 Python。我不想以任何方式对其进行正则化，我希望它尽可能地过拟合。
当把树画出来时，我看到有些叶子不纯。这是正常的吗？树不能分离样品吗？
...
model = DecisionTreeClassifier(criterion="entropy")
model = modell.fit(X, y)
...
为什么我的决策树叶不纯？
数据挖掘
Python
scikit-学习
决策树
2022-03-10 07:59:38
1个回答
使用默认设置，在Scikit 文档DecisionTreeClassifier中描述的复杂性方面没有任何限制。
因此，如果给定节点是纯节点（所有示例具有相同的分类）或没有进一步的属性可以分支，它将停止进一步分支树。
因此，如果您的最终树包含不纯的叶子（对于已对其进行训练的数据集），则该算法没有任何属性可以进一步拆分。
如果您对数据应用任何类型的随机化，例如随机拆分训练和测试数据，当再次拆分并获得不同的训练集时，结果可能会有所不同。