python - 如何解释 h2o 决策树？

Question

我绘制了一个 h2o 决策树:
我关注了很多关于 SO 的帖子，如果我错了，请纠正我，但叶子上的值是相关性，级别是分类值的计数，树 0 意味着创建的第一棵树。
现在我的问题是
1.我无法弄清楚分类值处的“大于或等于”符号和“小于”符号。例如，如果我们在 Z<10.032598 之后继续，右侧有“大于或等于”符号，这意味着什么？另外，我们在左侧有一个“小于”标志，带有 NA哪些是分类变量，但“小于”分类变量到底意味着什么？
2. 如果我们从顶部( c )开始并向右走，我们得到值 1，我理解这意味着 c有 1 个相关性。但如果我们再下降 1 级 Z<10.032598 ，右侧的“大于或等于”符号再次暗示 1 相关性。这是什么意思？

Answer 1

如果您正在构建一个简单的决策树，则叶节点的值是输出概率，而不是相关性，并且级别不是分类值的计数，因为您可以在树中的不同级别重复多个特征。级别取决于您在训练模型时提供的深度。

1. 大于或小于符号显示您必须前往的方向。例如，在第 1 级，如果 z>10.0325 比您在树中向右走，但如果它小于您在树中向左走。 NA 基本上表明，如果值小于阈值或为空，则向左走。您的模型正在考虑数值分类变量，H2O 为您提供了使用categorical_encoding 更改该变量的选项。由于数据是数字格式，因此它被解释为数字。

2. 再次做出决策 1 的原因是您的模型现在正在检查不同的特征以验证结果。如果第一级失败并且模型不确定输出，它将检查第二级并执行相同的操作，并将进一步沿着树向下移动，直到达到预测。