使用sklearn创建的决策树的每个节点的“值”的解释是什么？我原以为“值”中的数字加起来就是“样本”，但正如你从图片中看到的，我的数字不是。（这只是一个节点的图片，但它们都是这样的。）我知道这一定与我应用的类权重有关，因为当我创建一个没有权重的决策树时，这些值加起来就是样本。但是，由于目标变量的10%的数据是“1”，90%的数据是“0”，因此我为类分配了{0:0:10，1:0.90}的权重，以补偿数据中的不平衡。应该是另一条路吗？
请帮助我理解如何解释决策树中的每个节点。谢谢
value的解释就是样本的总和乘以它们各自的权重。
在您的案例中，我们可以推断254.5是加权为0.1的类。这意味着我们有2545个该类的样本（因为2545*0.1=254.5）。类似地，20*0.9=18，因此我们有20个类样本，权重为0.9。加在一起，结果是2545 20=2565个样本，这与您的样本相等。
在默认情况下，样本权重均为1，这意味着value将与样本数相加。
我建议使用整数权重{0:1,1:9}，因为除非必要，否则应避免使用浮动。
