决策树的实现会检查节点数是否超过2 * min_samples_leaf，然后才调用分割器，这一切都很好。

接着，在分割器的实现中，按照选择的特征进行排序后，我们有一个while循环，它会遍历所有可能的分割点，并根据不纯度选择最佳分割点：

https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_splitter.pyx#L401

在我看来，由于这个while循环，完全有可能找不到任何合适的分割点。一个例子是：

Xf = [0,0,0,1]min_samples_leaf = 2

在这种情况下，我们找不到任何合适的分割点，’最佳位置’会默认设置为’结束位置’。我在这里是不是遗漏了什么？

回答：

找到了自己的答案，哈-

如果我们找不到任何合适的分割点，’最佳位置’会默认设置为’结束位置’，但’结束位置’不是一个有效的位置，分割器的调用者会检查这一点，如果发生这种情况，会将自己标记为叶节点。