如果标题不太明确，我对此表示歉意。我是机器学习的新手，正在使用Scikit和决策树进行学习。

我想做的是，将所有输入数据包括一个独特的特征，即客户ID。现在的问题是，客户ID是唯一的，不能像决策树分析中的其他特征那样进行总结。目前，决策树将客户ID视为普通整数值进行分支，例如，ID小于430的客户走一条路径，大于430的走另一条路径。这显然是不正确的，也不是我想要的。我希望决策树能够理解这个特定字段不能这样分析，每个客户应该有自己的分支。这在决策树中是可能实现的吗？

我有一些变通方法，其中一个是为每个客户开发独特的决策树，但这样训练起来将是一场噩梦。另一个方法是，假设我们有800个客户，我将创建800个带有位字段的特征，但这也太疯狂了。

回答：

这在机器学习中是一个相当常见的问题。机器学习特征在任何情况下都不能对每个实例都是唯一的。从直觉上讲，这是有道理的；如果算法无法从该特征中推断出任何东西，它就不会“学习”到任何东西。

你可以做的就是在将其他特征传递给决策树之前，将这部分信息分离出来，然后在做出预测后再将ID和预测结果重新合并。

我强烈建议不要对特征向量进行任何形式的操纵以包含ID。特征应该只是算法用来做出决策的东西。不要给它你不希望它使用的信息。你希望避免将ID作为特征使用是正确的，因为（很可能）ID与你试图预测的任何事情都没有关系。

如果你确实想要个性化模型（并且对每个用户有足够的数据来创建它们），这并没有你想象的那么麻烦。你可以使用Scikit的模型保存功能以及这个关于将pickle保存到MySQL的回答，轻松创建和存储个性化模型。除非你有大量用户，否则创建个性化的决策树应该不会花费太多时间。