我已经绘制了一个H2O决策树：
我参考了Stack Overflow上的很多帖子，请纠正我的错误，如果我理解有误，叶子节点上的值是相关性，各级别是分类值的计数，而树0表示创建的第一棵树。
现在我的问题是
1. 我无法理解分类值处的“大于或等于”符号和“小于”符号。例如，如果我们继续Z<10.032598，右侧有“大于或等于”符号，这意味着什么？此外，左侧有“小于”符号和NA，这些是分类变量，但“小于”一个分类变量到底意味着什么？
2. 如果我们从顶部开始（c）并向右走，我们有值1，我理解这意味着c有1的相关性。但如果我们下一级再次到Z<10.032598，右侧的“大于或等于”符号再次意味着1的相关性。这是什么意思？
回答：
如果你正在构建一个简单的决策树，那么叶子节点的值是输出概率，而不是相关性，各级别也不是分类值的计数，因为你可以在树的不同级别有多个特征重复出现。级别是由你训练模型时提供的深度决定的。
-
大于或小于的符号显示了你需要向哪个方向走。例如，在第一级，如果
z>10.0325，那么你向右走，但如果小于，你就向左走。NA基本上表示，如果值小于阈值或为null，你就向左走。你的模型将分类变量视为数值，H2O提供了categorical_encoding选项来更改这一点。由于数据是以数值格式存在的，因此被解释为数值。 -
再次出现决策
1的原因是你的模型现在正在检查一个不同的特征来验证结果。如果第一级失败并且模型对输出不确定，它将检查第二级并做同样的事情，并且会继续深入树直到达到一个预测。
