为什么决策树结构只是 sklearn DecisionTreeClassifier 的二叉树？
Why the decision tree structure is only binary tree for sklearn DecisionTreeClassifier?
从sklearn文档here可以看出，或者从我的实验来看，DecisionTreeClassifier的树结构都是二叉树。标准是gini或entropy，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）来看，理论上决策树的每个节点可以有2个以上的子节点。
所以我的问题是为什么sklearn DecisionTreeClassifier的决策树结构只有二叉树（每个DecisionTreeClassifier节点只能有1个或2个子节点。）？我们能否为 DecisionTreeClassifier 获得具有 2 个以上子节点的树结构？
因为sklearn的方法是使用numerical特征，而不是categorical，当你有数值特征时，它相对困难建立一个漂亮的分裂规则，它可以有任意数量的阈值（需要产生超过 2 children）。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拥有尽可能多的 children 值。这两种方法都有其自身的问题（当你有很多可能的值时，分类方法使它几乎无法追踪）并且数字需要特定的特征编码（一个热用于分类，这有效地意味着你仍然可以表达同一棵树，而不是 "species" with 3 children [dog, cat, human] 你会有更深层次的决策树：[dog, not dog], [not dog but cat, not dog, not cat but human]).
所以简短的回答是否，你不能用这个实现实现超过 2 children，但是一般来说这并不是真正的限制。
从sklearn文档here可以看出，或者从我的实验来看，DecisionTreeClassifier的树结构都是二叉树。标准是gini或entropy，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）来看，理论上决策树的每个节点可以有2个以上的子节点。
所以我的问题是为什么sklearn DecisionTreeClassifier的决策树结构只有二叉树（每个DecisionTreeClassifier节点只能有1个或2个子节点。）？我们能否为 DecisionTreeClassifier 获得具有 2 个以上子节点的树结构？
因为sklearn的方法是使用numerical特征，而不是categorical，当你有数值特征时，它相对困难建立一个漂亮的分裂规则，它可以有任意数量的阈值（需要产生超过 2 children）。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拥有尽可能多的 children 值。这两种方法都有其自身的问题（当你有很多可能的值时，分类方法使它几乎无法追踪）并且数字需要特定的特征编码（一个热用于分类，这有效地意味着你仍然可以表达同一棵树，而不是 "species" with 3 children [dog, cat, human] 你会有更深层次的决策树：[dog, not dog], [not dog but cat, not dog, not cat but human]).
所以简短的回答是否，你不能用这个实现实现超过 2 children，但是一般来说这并不是真正的限制。