Scikit学习1节点决策树？

Question

我对此问题感到有些困惑，我创建了一个列表列表（将其传递到numpy的asarray中以存储在X中），其中每个子列表都是示例的功能（每列中的当前值与我所拥有的值相同）还没有将每个功能解析为整数）。 然后使用相同的值通过numpy.fill创建我的y变量进行测试。 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]

但是，结果输出是1节点决策树，其基尼值为0。想知道是否有人可以阐明为什么会发生这种情况。 谢谢！

Answer 1

据我了解，所有样本的目标值为4。 我假设树只有一个节点，因为所有训练数据的目标值为4，所以它预测测试数据的目标值为4。 而且，由于所有样本都在同一类中，因此基尼系数也为0。 希望能帮助到你 ！