我使用"fitctree" -function（链接：https://de.mathworks.com/help/stats/classificationtree-class.html）在Matlab中开发了一个决策树（集合） .
现在我想在python中重建相同的集合 . 因此我使用了带有"DecisionTreeClassifier"的sklearn库（链接：http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html） .
在Matlab中，我通过设置：'MaxNumSplits' - “fitctree”函数中的最大决策分割数来定义每棵树中的最大分割数量 . 因此，可以定义分支节点的数量 .
现在我理解“DecisionTreeClassifier”对象的属性，没有像这样的选项 . 我对吗？我发现控制每棵树中节点数量的是“max_leaf_nodes”，它显然控制了叶子节点的数量 .
其次：“max_depth”完全控制了什么？如果它不是“无”整数“max_depth = int”代表什么？
感谢您的帮助和建议 . 谢谢！
1 回答
据我所知，没有选项可以限制scikit-learn中的分割（节点）总数 . 但是，您可以将
max_leaf_nodes设置为MaxNumSplits + 1，结果应该是等效的 .假设我们的树有
n_split分割节点和n_leaf叶节点 . 如果我们拆分叶节点，我们将其转换为拆分节点并添加两个新的叶节点 . 所以n_splits和n_leafs都增加1.我们通常只从根节点（n_splits=0，n_leafs=1）开始，每次拆分都会增加两个数字 . 因此，叶节点的数量始终为n_leafs == n_splits + 1.至于
max_depth;深度是树有多少"layers" . 换句话说，深度是根和最远叶节点之间的最大节点数 .max_depth参数限制此深度 . 如果节点在树下太远，它会阻止进一步拆分节点 . （在做出决定之前，您可以将max_depth视为对分割数量的限制 . ）