P4-14.1 决策树(decision tree)¶

Section ID: P4-14.1 Version: v2026.07.20

P4-11 通过画边界(boundary)来理解分类。 P4-12 通过最近邻来理解分类。 P4-13 又把 margin 当作更好边界的标准来阅读同一个问题。 现在，我们要用完全不同的方式重新阅读同一个监督学习(supervised learning)问题。

如果说 P4-13.2 抓住了 同一份数据可以放到不同的表征空间(feature space)里重新看 这一点，那么这一节要做的事是把同样的表格型数据换成另一个问题来整理： 应该按什么提问顺序把它分开来读？ 改变的不是问题本身。 改变的是概括同一个问题的单位。

与其一次画出一条直线，不如想象把案例按问题一步一步拆开。 这样更容易看清决策树(decision tree)的出发点。 决策树不会试图一次把数据全部解释完。 它会重复 yes/no 问题，把更相似的案例逐渐分到一起，再给出预测。 所以决策树更接近 问题流(question flow)，而不是 单一边界线。

这一节解释 决策树(decision tree)、分裂(split)、节点(node)、叶(leaf) 的基本含义。 后续小节会以这些抓手继续推进当前语境中的判断，而 把问题串起来再给出预测 的基础直觉，也会通过这一节和概念词典重新连接起来。

本节范围¶

本节回答以下问题。

• 决策树是怎样做预测的？
• split、node、leaf 分别是什么？
• 为什么树常被认为是相对容易阅读的模型？
• 训练时会比较哪些问题候选？
• 为什么它既能做分类(classification)，也能做回归(regression)？

这些内容会在 P4-14.2、P4-15、P4-16 继续展开。也就是说，这一节先把决策树读成 通过拆分问题来做预测的模型，并把复杂度和 ensemble 问题留到后续小节。

用决策树(decision tree)留下的判断标准¶

• 你可以把决策树解释成 通过拆分问题来做预测的模型。
• 你可以说明 split、node、leaf、threshold 的含义。
• 你可以理解决策树既能用于分类也能用于回归。
• 你可以解释训练过程其实是 不断挑选看起来更好的问题。
• 你可以区分 易读性 与 过度加深的风险。

学习背景¶

前面章节里见过的代表模型，大体会留下这样的印象。

• 线性回归(linear regression)：用直线或平面读关系
• 逻辑回归(logistic regression)：读分类边界和类似概率的输出
• k-NN：读附近的邻居
• SVM：读留出余量的边界

决策树在这里把问题本身换掉了。

也就是说，决策树把视角从 在空间里画线的模型 改成了 把问题串起来的模型。 这个视角也会直接连接到后面理解随机森林和 boosting。

这一节还会直接接回 Part 4 一直在整理的比较记录结构。 当我们把树当成候选模型时，不能只留下 第一处分裂是什么。 还要一起记下 哪些案例留在这个分裂附近、比 baseline 或其他候选更容易读懂的地方是什么、下一步还要再检查什么分裂问题。 即使分数看起来差不多，有的树在某个 leaf 里仍可能混入更多其他类别。 所以分裂之后留下来的模式差异，也要单独去读。

什么时候适合优先把决策树列为候选¶

当 问题流本身 就是解释的一部分时，决策树往往是很强的第一候选。

这个表的重点，不是把决策树停留在 容易阅读的模型。 而是把它放到 当问题顺序本身成为真实解释单位时，值得优先尝试的候选 这个位置上。

主要学习内容¶

决策树是什么样的模型¶

scikit-learn 用户指南把决策树介绍为用于分类和回归的非参数(non-parametric)监督学习方法。 同一份文档还把它的目标解释为： 学习由数据特征(feature)推导出的简单决策规则(simple decision rules)，从而预测目标值(target value)。 它还补充说，这种结构也可以被看成 piecewise constant approximation。

把这段话换成更容易读的版本，可以写成下面这样。

决策树查看输入特征，连续提出“是否大于某个阈值”之类的问题，把输入空间分成若干块，并在每一块上放一个代表性的预测值。

可以把它想成订阅服务中的客户流失(churn)预测。

决策树会先从这些问题中挑一个。 然后根据答案把数据分成不同分支。 接着在每个分支里继续问下一个问题。

先把它读成一个小流程¶

先不要急着把决策树当成“学习器”。 先把它读成 沿着问题往下走的决策流程。

flowchart TD
  A["新案例<br/>新的输入样本"]
  B["问题 1<br/>近期访问 <= 3？"]
  C["问题 2<br/>是否逾期付款？"]
  D["叶节点<br/>可能流失"]
  E["叶节点<br/>可能留存"]
  F["叶节点<br/>需要复核或属于其他标签"]

  A --> B
  B -->|是| C
  B -->|否| E
  C -->|是| D
  C -->|否| F

这个图会帮助读者把决策树理解成 沿着问题走到某个 leaf 的流程。 与一次画出一条边界线的模型不同，树会经过中间问题，一步一步把案例收窄到更相似的组里。

这个图里最重要的点如下。

• 中间的问题框是 node
• 根据答案分开的地方是 split
• 不再继续提问、直接输出预测的终点是 leaf

所以，决策树可以被读成 沿着问题 node 一直走到 leaf 的结构。

如果把它压缩成项目记录语言，大概可以写成下面这样。

有了这个表，决策树的入门就会被读成 候选比较 -> 分裂附近案例 -> 下一步问题 的结构。 这时要把 near-split cases 和 leaf 组成一起看。 只有这样，才能区分“更容易读的树”和“看上去精度相近但更脆弱的树”。

node、split、leaf 应该怎么理解¶

这一节最重要的是把术语切得短而清楚。

这些术语也会马上连到后面的超参数讨论。

• max_depth 关系到树最多允许长多深。
• min_samples_split 关系到一个 node 是否有足够样本继续分裂。

不过在这一节里，重点还不是 应该允许它长到多深。 重点仍然是 通过提问来拆分的模型，本身是一种什么结构。

细化学习内容¶

为什么说它是相对容易阅读的模型¶

在 Part 4 初次遇到的模型里，决策树属于相对 能像规则一样去读 的一类。 scikit-learn 用户指南把这一点放在 white box model 的视角下解释。 如果模型内部出现了某种情况，人往往可以用比较直接的布尔逻辑(boolean logic)把条件说出来。 和线性模型的权重(weight)、SVM 的 margin 相比，顺着问题走下去就能看到预测 这个结构对很多人更熟悉。

可以比较下面两种说法。

• 线性模型：几个特征的加权和大于阈值就预测为 positive
• 决策树：最近访问次数少，而且有延迟支付，则更可能 churn

两者都是模型。 但后者更像人们阅读业务规则的方式。

这种优点在实务里也经常被提到。

但与此同时，也要立刻补上一句提醒。

容易阅读，不等于一定能得到更好的泛化。

这个风险会在下一节 P4-14.2 里直接展开。

既能做分类又能做回归，是什么意思¶

决策树既可以用于分类(classification)，也可以用于回归(regression)。 变化的地方在于 leaf 输出什么。

例如：

• 客户流失预测：流失、保留
• 房价预测：预测价格 5.2 亿韩元

也就是说，树的结构可以很相似，但最后输出的性质不同。 scikit-learn 对 predict_proba 的说明也把分类树中的预测概率读成“该 leaf 中同类样本所占比例”。 因此，正如 Part 4 的评价指标章节一再强调的，先确认当前问题是分类还是回归，比先盯着算法名称更重要。

训练是怎样挑选问题的¶

决策树训练的核心是 比较看起来更好的问题候选。

1. 查看多个 feature。
2. 在每个 feature 上生成 threshold 候选。
3. 计算分裂之后是否比之前让 label 更整齐。
4. 把最好的问题放到当前 node。
5. 如有需要，在每个分支里继续重复。

把这个过程简化画出来，就是下面这样。

flowchart TD
  A["训练数据"]
  B["生成问题候选<br/>特征 + 阈值"]
  C["比较不纯度下降<br/>或其他分裂评分"]
  D["选择最佳分裂"]
  E["把样本行送到各个分支"]
  F["如有需要继续重复"]

  A --> B --> C --> D --> E --> F

这个图说明，决策树训练本质上就是 不断挑第一好问题和下一好问题。 它比较 feature 与 threshold 候选，挑出能更好降低 impurity 的 split，然后在每个分支里重复同样的过程。

这里的 impurity 指的是 node 内部混杂的程度。 按 API 文档的说法，分类树可以使用 gini、entropy、log_loss 等 criterion。 在现阶段，与其先背公式，不如先抓住这个直觉： 一个 node 里类别越混杂，impurity 越高；越向单一类别整理，impurity 越低。

用直觉去读 impurity¶

在分类树里，我们想知道的是： 提出这个问题之后，label 有没有变得更整齐？

比如某个 node 里有 10 个客户：

• 5 个 churn
• 5 个 stay

那么这个 node 就相当混杂。

如果通过某个问题分裂之后变成：

• 左支：4 个 churn，1 个 stay
• 右支：1 个 churn，4 个 stay

那么两个分支都可以被读成比原来更整齐。

所以，一个好的 split 往往就是： 把一个混杂的 node 变成几个更不混杂的 node 的问题。

案例与示例¶

案例 1. 当你想把客户流失问题一步一步缩小到提问流程里¶

某订阅服务团队正在做客户流失预测模型。 人们最先看的标准是这样一些问题： 最近访问次数是不是很少？ 是否有延迟支付？ 客服咨询是否频繁？

这个团队不想像线性模型那样一次算出一个总分。 他们希望业务侧能读懂问题流。 于是模型先问 访问次数是否不超过 3 次？，再问 是否有延迟支付？ 这样一来，行为更相似的客户就会逐渐被分到同一条分支里。 在这里，决策树不再被读成一条边界线，而是一个寻找 更好问题顺序 的模型。

flowchart TD
  A["客户记录"]
  B["询问访问次数阈值"]
  C["询问是否逾期付款"]
  D["叶节点：可能流失"]
  E["叶节点：可能留存"]
  F["叶节点：混杂案例，需复核"]

  A --> B
  B --> C
  C --> D
  B --> E
  C --> F

这个场景里最重要的一点，是问题本身来自数据选择。 模型不是随便拿一个条件来用。 它会比较特征和阈值，找到能更好整理当前 node 的 split，把它作为第一处分支，再继续重复这个过程。 所以决策树不是“人随意写规则”的模型。 它是“把更能整理数据的问题不断累积起来”的模型。

可验证的结果会体现在两处： 一是第一处分裂候选的比较分数； 二是最后形成的小树结构。 如果 visits <= 3 比别的问题更能把数据分开，我们就能说明为什么这个问题会放在第一个 node。 再看每个 leaf 里聚集了哪些客户，也能确认树是怎样像规则一样被读出来的。

在实务场景里可以怎么读¶

当 表格型数据(tabular data) 是主体时，决策树尤其常被优先想到。 原因很简单： 数值和类别特征都比较自然地能写成阈值问题或条件问题。

在这些场景里，决策树可能比线性模型更直观。 但如果数据遵循非常平滑的连续关系，或者结构会因微小扰动而剧烈变化，就需要额外小心。 正如 API 文档提醒的，如果不加大小控制值，树可能会长成 fully grown and unpruned 的结构。 这正是下一节要接上的过拟合问题。

练习与示例¶

用 Python 找到 好的第一问题¶

这个练习不直接调用 scikit-learn 的学习器。 它是一个小实验，让读者直接体验决策树是怎样选第一处分裂的。

• 问题场景：为客户流失分类挑第一问题
• 输入(input)：visits、late_payment
• 标签(label)：stay、churn
• 要确认的概念：
• feature 和 threshold 一变，split 分数也会变 - 更能整理 label 的问题，有机会成为更好的第一处分裂 - 树训练就是在不断重复这种选择

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56

# 这个例子手动计算决策树在客户流失场景中如何选择好的第一个 split。
rows = [
    {"customer": "A", "visits": 1, "late_payment": 1, "label": "churn"},
    {"customer": "B", "visits": 2, "late_payment": 1, "label": "churn"},
    {"customer": "C", "visits": 2, "late_payment": 0, "label": "stay"},
    {"customer": "D", "visits": 4, "late_payment": 0, "label": "stay"},
    {"customer": "E", "visits": 5, "late_payment": 0, "label": "stay"},
    {"customer": "F", "visits": 6, "late_payment": 1, "label": "stay"},
]


def gini(group):
    total = len(group)
    if total == 0:
        return 0.0

    counts = {}
    for row in group:
        counts[row["label"]] = counts.get(row["label"], 0) + 1

    score = 1.0
    for count in counts.values():
        p = count / total
        score -= p * p
    return score


def weighted_gini(left, right):
    total = len(left) + len(right)
    return (len(left) / total) * gini(left) + (len(right) / total) * gini(right)


candidates = [
    ("visits", 1.5),
    ("visits", 3.0),
    ("visits", 5.5),
    ("late_payment", 0.5),
]

best = None

for feature, threshold in candidates:
    left = [row for row in rows if row[feature] <= threshold]
    right = [row for row in rows if row[feature] > threshold]
    score = weighted_gini(left, right)

    print(f"feature={feature:12} threshold={threshold:>3} weighted_gini={score:.3f}")
    print("  left :", [(row["customer"], row["label"]) for row in left])
    print("  right:", [(row["customer"], row["label"]) for row in right])
    print()

    if best is None or score < best["score"]:
        best = {"feature": feature, "threshold": threshold, "score": score}

print("best first split")
print(best)

示例输出如下。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18

feature=visits       threshold=1.5 weighted_gini=0.400
  left : [('A', 'churn')]
  right: [('B', 'churn'), ('C', 'stay'), ('D', 'stay'), ('E', 'stay'), ('F', 'stay')]

feature=visits       threshold=3.0 weighted_gini=0.222
  left : [('A', 'churn'), ('B', 'churn'), ('C', 'stay')]
  right: [('D', 'stay'), ('E', 'stay'), ('F', 'stay')]

feature=visits       threshold=5.5 weighted_gini=0.400
  left : [('A', 'churn'), ('B', 'churn'), ('C', 'stay'), ('D', 'stay'), ('E', 'stay')]
  right: [('F', 'stay')]

feature=late_payment threshold=0.5 weighted_gini=0.250
  left : [('C', 'stay'), ('D', 'stay'), ('E', 'stay')]
  right: [('A', 'churn'), ('B', 'churn'), ('F', 'stay')]

best first split
{'feature': 'visits', 'threshold': 3.0, 'score': 0.2222222222222222}

这个输出里要读的重点有三点。

1. 不是所有问题都会给出同样的质量。
2. 在当前数据里，visits <= 3.0 看起来是最能整理数据的第一问题。
3. 树就是靠不断重复这种比较来生成结构。

也就是说，决策树不是 靠人直觉写问题 的模型。 它是 不断寻找更能整理数据的问题 的模型。

再往前一步看，还要注意： 好的第一问题 也可能随着很小的数据变化而改变。 如果客户 F 的 label 不是 stay 而是 churn，那么 late_payment 这个问题就可能显得更强。 所以第一处分裂并不是绝对规则。 它依赖于当前训练数据正在形成什么分组。

改一个值，看第一处分裂会不会摇动¶

保留同一个例子，只改一个值。 这样更容易看出 第一问题到底有多敏感。

• 要改的值：客户 F 的 label
• 改动原因：故意制造一个让 late_payment 看起来更强的场景
• 要确认的概念：
• 数据组成一变，split 分数也会跟着变 - 决策树会沿着“更能整理当前数据”的方向改变问题流 - 读第一处分裂时，除了分数，也要一起读改变标准的案例是谁

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20

# 这个例子比较客户 F 的一个 label 改变后，第一个 split 候选如何摇动。
changed_rows = [row.copy() for row in rows]
for row in changed_rows:
    if row["customer"] == "F":
        row["label"] = "churn"

best_changed = None

for feature, threshold in candidates:
    left = [row for row in changed_rows if row[feature] <= threshold]
    right = [row for row in changed_rows if row[feature] > threshold]
    score = weighted_gini(left, right)

    print(f"feature={feature:12} threshold={threshold:>3} weighted_gini={score:.3f}")

    if best_changed is None or score < best_changed["score"]:
        best_changed = {"feature": feature, "threshold": threshold, "score": score}

print("best first split after one label change")
print(best_changed)

示例输出如下。

1
2
3
4
5
6

feature=visits       threshold=1.5 weighted_gini=0.500
feature=visits       threshold=3.0 weighted_gini=0.444
feature=visits       threshold=5.5 weighted_gini=0.267
feature=late_payment threshold=0.5 weighted_gini=0.250
best first split after one label change
{'feature': 'late_payment', 'threshold': 0.5, 'score': 0.25}

这个比较里最关键的一点是： 一开始 visits 更像好的问题，但只改了一个 label，late_payment 就升到了第一问题。 这并不是要把树简单断定成不稳定。 而是提醒我们在阅读分支结构时，要一起看 当前数据把哪些案例放到了哪里。

如果先用简短记录语言整理一次，同样的比较可以写成这样。

这个表的目的不只是总结 发生了什么变化。 对于初学者来说，把 究竟是哪一个案例真的改变了问题选择 记下来一次很有帮助。 这样到了下一节，就更容易自然理解 depth 和 leaf 大小为什么会让结构更容易摇动。

也可以直接回答下面这些问题。

1. 是哪一个单独案例改变了第一处分裂？
2. 当分数差距很小时，人类可读性是否也应该一起考虑？
3. 这种敏感性看起来会怎样连到下一节里的 depth、leaf 大小和过拟合风险？

如果可以，再亲自写一句： 在当前数据里，visits 是第一问题，但只把 F 的 label 改掉，late_payment 就成了更好的第一问题。 把这句话直接写出来，会更清楚地看到：决策树不是 背固定规则，而是在 挑选更能整理当前数据的问题。

亲手应用一个非常小的树¶

根据上面找到的第一处分裂，人可以手写出这样一个很小的树。

1
2
3
4
5
6
7

if visits <= 3:
    if late_payment == 1:
        predict churn
    else:
        predict stay
else:
    predict stay

这段代码不是 完整学习器。 它只是对训练结果的人类可读化简。 当人们说决策树看起来比较可解释，通常脑中想的就是这种形状。

如果把同样的结构用一小段 Python 跑一下，会更直观。

问题场景：

• 与其只把决策树规则当成图片看，不如把实际输入放进去，直接检查结果是怎么出来的

输入(input)：

• 一个简单树规则 predict
• 客户示例列表 examples

期望输出(output)：

• 每个客户示例对应的预测结果

要确认的概念：

• 决策树可以被读成 if-else 形式的分支规则
• 所谓更高的可解释性，接近于说人能够跟着这条分支路径走下去

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

# 这个例子把学到的决策树规则读成 if-else 预测函数。
def predict(tree_input):
    if tree_input["visits"] <= 3:
        if tree_input["late_payment"] == 1:
            return "churn"
        return "stay"
    return "stay"


examples = [
    {"customer": "G", "visits": 2, "late_payment": 1},
    {"customer": "H", "visits": 2, "late_payment": 0},
    {"customer": "I", "visits": 5, "late_payment": 1},
]

for row in examples:
    print(row["customer"], "->", predict(row))

示例输出如下。

1
2
3

G -> churn
H -> stay
I -> stay

这个例子展示了决策树的三个重要特征。

• 可以沿着预测路径一步一步读
• 很容易说明到底在哪一个问题处分开了
• 但如果继续不断加问题，结构会很快变大

最后一点，正是下一节的主题。

练习：自己留下一个小树记录¶

如果你已经跑过上面两个练习，就不要只停留在“看结果”。 请留下一个简短记录。

1. 写下原始数据中的第一处分裂是什么。
2. 写下改动一个 label 之后，第一处分裂变成了什么。
3. 两种情况下各挑一个 最模糊的案例。
4. 最后写一句：你想立刻把树加深，还是想先在下一节里查看 depth 限制。

如果可以，自己填一下下面这个格式。

这个练习的重点，不是背答案。 而是养成把决策树读成 问题结构 + 案例分组，而不是只读成 一个分数 的习惯。

刚开始时，即使只留下更短的记录也够了。

检查清单¶

• 在当前问题里，比起直线边界，问题流是不是更自然？
• 能不能重新查看第一处分裂和 leaf 组成到底形成了什么案例分组？
• 有没有把“易读性”和“泛化性能”混成同一句话？
• 能不能说明决策树是 通过拆分问题来做预测的模型，其中 node 是问题，split 是分支，leaf 是最终预测？
• 能不能说明好的 split 通常为什么会把 label 变成更少混杂的分组？
• 能不能说明决策树既可用于分类(classification)，也可用于回归(regression)，但易读性并不等于泛化保证？

出处与参考资料¶

• scikit-learn developers, 1.10. Decision Trees, scikit-learn User Guide, 确认日期: 2026-06-27. https://scikit-learn.org/stable/modules/tree.html
• scikit-learn developers, DecisionTreeClassifier, scikit-learn API Reference, 确认日期: 2026-06-27. https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html
• Leo Breiman, Jerome Friedman, Richard Olshen, Charles Stone, Classification and Regression Trees, Routledge, 1984, 确认日期: 2026-07-19. https://doi.org/10.1201/9781315139470