決定木には2つの同様のノードがあります

Question

私はsklearnを使って決定木を作成しました。データフレームのXで

from sklearn import tree 
clf = tree.DecisionTreeClassifier(max_depth=3) 
clf = clf.fit(X, Y) 

パラメータです - 'Company size'、'Industry_other'、'Account size'、'Country'、および'Use case 1'。

export_graphvizを使用してツリーを視覚化しようとしたとき、私は2つの類似したノードを取得しています：

同様のノードを取得するための理由は何ですか？この木をどうやって読むのですか？

Answer 1

説明を簡単にするために、私は文字で説明します。あなたのツリーは次のようになります。Aで

A -> B 
| 
\-> C -> D -> F 
    |  \-> G 
    | 
     \-> E -> H 
      \-> I 

はあなたルートノードとあなたが類似したノードていると言うDとEノードいます。

図では、ノードAは、BとCの2つに分割されています。 Account size < 19969のデータサンプルはCに進み、それ以外の場合はBになります。

Cに到着したサンプルのうち、Industry other <= 1.5のものはEになり、その他のものはDになります。ここではEとDは同じルールを学習しているので同じに見えますが、そのルールは異なるデータサンプルに適用されます。

これはEに到着したサンプルから、company size < 1.5を持つものがHにIなどに行き、同様の何かがDに適用される、です。

より明確で、私はあなたをもっと混乱させたくないと思っています。

本質的に、彼らは同じルールを学んでいますが、異なるサンプルに適用します。言い換えれば、DとEの両方が、2つのセットでそれらに到着するサンプルを分離するための最良のルールが同じであることを知りました。しかし、それらに到着するサンプルは異なる性質を持っています（正確にはIndustry_otherが異なります）。

Industry_otherにかかわらず、Company_sizeがサンプルを区別するのに役立つともいえます。