我正在使用过去的数据构建一个可解释的模型，并且完全不会用于未来的预测。
数据中包含一百个X变量和一个Y二元类，我试图解释X变量如何影响Y的二元值（0或1）。
我选择了DecisionTree分类器，因为它能清楚地展示每个变量的数值标准是如何做出决策的。
以下是我的问题：
-
即使我不会用这个模型进行预测，是否有必要将X数据分成X_test和X_train？（因为我只是在解释，所以不想浪费数据用于测试）
-
在分割数据并训练模型后，只有少数几个值获得了特征重要性值（比如100个X变量中的3个），其余的都为零。因此，决策树只有少数几个分支。我不知道为什么会发生这种情况。
如果这里不是提问这种问题的合适地方，请告诉我。
谢谢。
回答：
-
没有必要，但这是一种检查你的决策树是否过拟合的方法，看它是仅仅记住了输入值和类别，还是真正学会了背后的模式。我建议你考虑使用交叉验证，因为它不会‘浪费’任何数据，并且会在所有数据上进行训练和测试。如果你需要我进一步解释，请留言。
-
获得任何数量的重要特征都不是问题，因为这完全取决于你的数据。
例如：假设我想构建一个模型来判断一个数字是否能被69整除（我的Y类）。
我的X变量包括能否被2,3,5,7,9,13,17,19和23整除。如果我正确地训练了模型，我会发现只有3和23的特征重要性非常高，其他的特征重要性应该非常低。
因此，我的决策树（如果使用像随机森林/XGBoost这样的集成模型，则为树）会有较少的分支。所以，拥有较少的重要特征是正常的，不会造成任何问题。
