我有一些“分箱”的数字数据，但分箱在比例或分位数方面的大小不相等
例如，年龄变量为 [0-16), [16-21), [21-30), [30-45), [45-65), [65, ]
如果我将其保留为分类变量，则树将分别处理每个类别并折扣因子之间的有序关系。
如果我将其更改为序数变量，例如 [0, 1, 2, 3, 4, 5] 并保留一组标签以供以后报告，则树可能会分裂，例如 <2.5，这对我来说似乎更自然，但是无论如何，1 和 2 之间的距离与 2 和 3 之间的距离不同。
我倾向于第二种解决方案，但我会喜欢一些输入！
对于完整的决策树，您提出的任何一个模型都可以表示相同的概念集，因为决策树可以分解为连词的析取。我不认为垃圾箱具有不同大小的事实真的是一个问题，因为将任何意义放在发生在垃圾箱“内部”的分裂的确切位置上可能不是一个好主意。从性能的角度来看，最重要的可能是数据的分布方式（即，您的概念是在一对相邻的 bin 之间拆分数据还是更复杂）。
由于您有与您的问题相关的“随机森林”标签，我倾向于同意您的观点，即保持它们有序可能会更好，因为如果您生成许多树，有序表示可能会导致更简洁/更小的树.
除了使用随机森林分类器，您还可以使用随机 forrest 回归分析。使用 bin 的平均值作为值（这将考虑到您建议的相对值）。这还有一个额外的好处，即如果您获得具有实际年龄的数据集，则无需更改训练，并且您将习惯于将分析提供的分数（年龄）转换到您的 bin 中。
您还可以尝试用证据权重值替换垃圾箱，并将其用作您的训练集。如果您使用的是 R，请参阅软件包woe （也可以使用smbinning或woeBinning，但根据我的经验，不要捕捉非线性）。