请问在sklearn（Python）中，集成方法（如随机森林、梯度提升、Adaboost）和树模型（如决策树）是如何处理连续变量的？它们在构建树时是否将每个连续值视为独立的值？还是会自动进行分箱处理？如果进行了分箱，那么遵循的是什么逻辑？如果没有分箱，我肯定是错过了什么。应该有一些智能的分箱方法（内置的？）可以根据类别分布对变量值进行分箱（至少在二元分类的情况下）。

深入探讨：当我在weka中加载我的arff文件（数百万行和数百个特征的严重偏斜数据集）并浏览变量/目标（二元）图时，我可以看到其中许多变量有明显的分箱区域（目标为正的区域）。这些分箱，即 >=x <=y，是否会被sklearn中提到的模型自动识别？请看附件图片（如果您能看到的话，变量/目标图中有六个条形的非常细的红色线条）

对于任何见解，我将非常感激

此致

回答：

在默认设置（非随机分割）下，每次构建决策树或回归树时，通过分割数据集来生长树，考虑中的数据集部分会按每个待考虑特征的值进行排序（在随机森林或ExtraTrees森林中，每次可能随机选择特征）。然后，每对相邻特征值f[i], f[j]的平均值被视为候选分割点，除非这对值之间的差距小于1e-7（这是代码中当前硬编码的一个任意常数）。根据Gini/熵/其他分割标准，最佳分割点被用来将数据集分割成f < (f[i] + f[j]) / 2的点和f值更高的点。

换句话说，没有进行显式的分箱处理。

（我实际上不是决策树专家，但我确实参与了scikit-learn的实现，特别是我通过编写更快的排序算法优化了分割代码。）