为什么决策树结构只是sklearn DecisionTreeClassifier的二叉树？

Question

从sklearn文档here或我的实验可以看出，DecisionTreeClassifier的所有树结构都是二叉树。标准是gini或熵，每个DecisionTreeClassifier节点只能有0个或1个或2个子节点。

但是从决策树介绍slide（第3页），理论决策树的每个节点都可以有2个以上的子节点。

所以我的问题是为什么决策树结构只是二叉树（每个DecisionTreeClassifier节点只能有1或2个子节点。）对于sklearn DecisionTreeClassifier？我们可以为DecisionTreeClassifier获得多于2个子节点的树结构吗？

Answer 1

这是因为sklearn的做法是与数值功能，不分类工作，当你有数值的功能，它是比较硬的建立可以有阈值的任意数量（这需要一个很好的分割规则生产2个以上的孩子）。另一方面，对于分类特征（在提供的幻灯片中使用），另一种可能的选择是让尽可能多的孩子获得可能的值。这两种方法都有自己的问题（当你有很多可能的值时，分类方法使它几乎可插入），数值需要特定的特征编码（对于分类而言很热门，这意味着你仍然可以表达同一棵树，而不是“物种“与3个孩子[狗，猫，人]，你会有更深的决策树：[狗，不是狗]，[不是狗，而是猫，不是狗，不是猫，而是人类]）。

所以简短的回答是没有，这个实现你不能达到2个以上的孩子，但是这通常不是真正的限制。