如何解决决策树不平衡数据：一片叶子中的数据高度集中
我使用一个简单的决策树进行分类。该数据集是一个具有 30k 行的不平衡数据集。 使用的包：sklearn。
我使用 predict_probab 函数，然后绘制决策树。该模型有 8 个叶子（尝试了预剪枝和剪枝后）。 50% 的数据被分成 7 个叶子，而剩下的 50% 最终变成了一个叶子。有没有办法瞄准这片叶子并进一步分支它。
我的尝试
我将位于单个叶子中的 50% 数据集分离出来，并为其单独创建了一个规则。但是，我想知道这种方法是否有意义。如果是，有没有办法结合规则。
谢谢
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
