这个问题有两个角度，从数学或机器学习的角度和从技术的角度。从技术角度来看，这取决于决策树的实现。未见值与缺失值没有太大区别，例如 sklearn 不能很好地处理未知值，并且会在未见或未知值上失败。其他树实现可能会更好地处理这个问题。

从数学或机器学习的角度来看，如果不做一些假设，你当然无法解决这个问题。但是，您可以假设未知或看不见的值是平均值。有了这个假设，您可以在出现未知值的拆分上遵循两条路径。然后，您从拆分中收集两个结果，并通过那里发生的训练样本数对它们进行加权。这样，您仍然可以对这些未知值进行预测。