Scikit-learn 1 节点决策树？答案

【问题标题】：Scikit-learn 1 node decision tree?Scikit-learn 1 节点决策树？
【发布时间】：2017-03-26 22:53:52
【问题描述】：

我对这个问题有点困惑，我创建了一个列表列表（它被传递到 numpy 的 asarray 中以存储在 X 中），其中每个子列表是样本的特征（每列中的当前值相同因为我还没有将每个特征解析为整数）。然后通过 numpy.fill 创建我的 y 变量，并使用相同的值进行测试。我将这 2 个 numpy 数组传递给 fit(X,y) 其中 X =

array([[ 0,  1,  2, ..., -1, -1, -1],
   [ 0, -1,  2, ..., -1, -1, -1],
   [ 0, -1, -1, ..., -1, -1, -1],
   ..., 
   [ 0, -1, -1, ..., -1, -1, -1],
   [ 0, -1, -1, ..., -1, -1, -1],
   [ 0, -1,  2, ..., -1, -1, -1]])

和 y =

[4 4 4 ..., 4 4 4]

然而，结果输出是一个基尼值为 0 的 1 节点决策树。想知道是否有人可以解释为什么会发生这种情况。谢谢！

【问题讨论】：

作为附录，不能保证数据中存在特征，所以我用 -1 填充了每个数组，但是仍然需要弄清楚如何估算我的数组（这可能是我的答案问题）

标签： python numpy scikit-learn

【解决方案1】：

据我了解，所有样本的目标值为 4。我想这棵树只有一个节点，它预测测试数据的目标值为 4，因为所有训练数据的目标值为 4。 gini index 也是 0，因为所有样本都属于同一类。希望对您有所帮助！

【讨论】：

感谢您的精彩解释！我做了一些测试，这似乎是正确的。
很高兴知道它有帮助！