scikit-learn 树中奇怪的信息排序

Question

绘制 scikit-learn 树时（以虹膜数据为例），如下面的代码所示：

from sklearn.datasets import load_iris
from sklearn import tree
iris = load_iris()
X, y = iris.data, iris.target
clf = tree.DecisionTreeClassifier()
clf = clf.fit(X, y)
tree.plot_tree(clf)

生成的树（除了叶子）的每个节点在分割标准（特征和截止值）之前报告，然后报告预分割信息（gini、samples和value）。我确实觉得这非常违反直觉。而且似乎没有办法反转信息。难道不应该在分割标准之前在每个树节点中报告预分割信息吗？

Answer 1

我明白你的意思。

但是请注意，scikit-learn 的设计强调“前瞻性”观点，注重决策过程。

这意味着重点在于哪个特征被分割以及分割的阈值。

这种设计可能符合这样的想法：一旦创建节点，分割标准立即定义树的未来结构。

无法改变 sklearn 中的这种行为。