sklearn DecisionTreeClassifier中的min_samples_split和min_samples_leaf之间的差异

Question

我正在经历sklearn类DecisionTreeClassifier。

查看类的参数，我们有两个参数 min_samples_split 和 min_samples_leaf
。它们背后的基本概念看起来很相似，您可以指定最少数量的样本来确定要进行叶或进一步拆分的节点。

当一个隐含另一个参数时，为什么我们需要两个参数？有什么理由或方案可以区分它们吗？

Answer 1

从文档中：

两者之间的主要区别是，min_samples_leaf保证了叶子中的样本数量最少，而min_samples_split可以创建任意小叶子，尽管min_samples_split在文献中更为常见。

为了掌握这一文档，我认为您应该区分 叶子 （也称为 外部节点 ）和 内部节点 。内部节点将具有进一步的分割（也称为 子
节点），而叶子根据定义是没有任何子节点的节点（没有任何进一步的分割）。

min_samples_split指定分割 内部节点 所需的最小样本数，而min_samples_leaf指定在 叶
节点处所需的最小样本数。

例如，如果min_samples_split = 5，并且内部节点有7个样本，则允许拆分。但是，我们说分裂产生了两片叶子，一个带有1个样本，另一个带有6个样本。如果为min_samples_leaf = 2，则将不允许分割（即使内部节点有7个样本），因为生成的叶子之一将少于叶子节点处所需的最小样本数。

如上述参考文件所述min_samples_leaf，无论的值如何，都应保证每个叶子中的样本数量最少min_samples_split。