重用特征来分割回归决策树的节点

如何解决重用特征来分割回归决策树的节点

在我观看的有关回归树算法的视频结束时，我留下了一个小问题：当数据集的某些特征具有残差平方和的阈值低于它习惯的阈值时拆分节点（如果节点中的观察数大于某个预定义值）。但是可以再次使用相同的功能来拆分树的这个分支的节点吗？或者这个分支的以下分裂必须被其他特征定义的阈值分裂（即使已经分裂其他节点的特征有一个阈值，该阈值具有该节点观测值的平方残差总和的较低值）？

此外，在研究决策树分类器时，我也有同样的疑问：如果与其他特征的分裂相比，该分支中已经使用的特征可以分裂某些具有较低基尼杂质值的节点的观察可以做，比这个“已经使用”的功能是否允许执行拆分？

提前感谢您的关注！

解决方法

记住哪些数据与树中的任何节点相关联很重要。假设我在特征 x1 上分割了我的根节点，其中左孩子的 x1=0，右孩子的 x1=1。那么左子树中的所有都将具有 x1=0。不再在 x1 上拆分 - 所有数据都具有相同的 x1 值！