我正在研究一个DecisionTreeClassifier模型，并想了解模型选择的路径。因此，我需要知道哪些值给出
DecisionTreeClassifier.tree_.value回答：
事实上，你对文档的描述是正确的，文档确实对这一点描述得不够清楚（不过说实话，我也不确定它的用处）。
让我们用iris数据集复制文档中的例子：
from sklearn.datasets import load_irisfrom sklearn import treeiris = load_iris()clf = tree.DecisionTreeClassifier()clf = clf.fit(iris.data, iris.target)当我们请求clf.tree_.value时，我们得到：
array([[[ 50., 50., 50.]], [[ 50., 0., 0.]], [[ 0., 50., 50.]], [[ 0., 49., 5.]], [[ 0., 47., 1.]], [[ 0., 47., 0.]], [[ 0., 0., 1.]], [[ 0., 2., 4.]], [[ 0., 0., 3.]], [[ 0., 2., 1.]], [[ 0., 2., 0.]], [[ 0., 0., 1.]], [[ 0., 1., 45.]], [[ 0., 1., 2.]], [[ 0., 1., 0.]], [[ 0., 0., 2.]], [[ 0., 0., 43.]]])以及
len(clf.tree_.value)# 17为了理解这个数组到底代表什么，看看树的可视化图（文档中也有，这里为了方便再次展示）会很有帮助：
如我们所见，树有17个节点；仔细看，我们会发现每个节点的value实际上是clf.tree_.value数组的一个元素。
简而言之：
clf.tree_.value是一个数组的数组，其长度等于树中节点的数量- 每个元素数组（对应一个树节点）的长度等于类别的数量（这里是3）
- 这3个元素的数组对应于每个类别在相应节点中结束的训练样本数量。
为了进一步说明最后一点，以数组的第二个元素[[ 50., 0., 0.]]（对应橙色节点）为例：它表示在这个节点中，有50个来自类别#0的样本，而来自其他两个类别（#1和#2）的样本数量为零。
