问题设置：我有一个不平衡的数据集，其中98%的数据属于A类，2%的数据属于B类。我培训了一名决策树分类员（来自sklearn），将class_权重设置为与以下设置平衡：

dtc_settings = {
    'criterion': 'entropy',
    'min_samples_split': 100,
    'min_samples_leaf': 100,
    'max_features': 'auto',
    'max_depth': 5,
    'class_weight': 'balanced'
}

我没有理由将标准设定为熵（而不是基尼）。我只是在玩设置。

我使用tree的export_graphviz得到下面的决策树图。以下是我使用的代码：

dot_data = tree.export_graphviz(dtc, out_file=None, feature_names=feature_col, proportion=False)
graph = pydot.graph_from_dot_data(dot_data)  
graph.write_pdf("test.pdf")

我对下面图表中的值列表输出感到困惑：

值列表变量是否意味着两个类的权重相等？如果是，如何计算树中后续节点的值列表？

我不知道如何解释价值清单。参赛作品的重量是多少？这是否意味着分类器将这些权重分别应用于每个类，以确定下一个节点中使用的下一个阈值？