正如我们可以从这里的sk学文档中看到的，或者从我的实验中看到的，决策树分类器的所有树结构都是二叉树。无论标准是基尼还是熵，每个决策树分类器节点只能有0或1或2个子节点。
但是从决策树介绍幻灯片（第3页）来看，理论决策树的每个节点可以有2个以上的子节点。
所以我的问题是为什么决策树结构只有二叉树（每个决策树分类器节点只能有1或2个子节点。）我们可以得到具有超过2个子节点的树结构的决策树分类器吗？
这是因为sklearn的方法是处理数字特征，而不是分类的，当你有数字特征时，相对来说很难建立一个好的分割规则，它可以有任意数量的阈值（需要产生两个以上的子对象）。另一方面，对于分类功能（在所提供的幻灯片中使用），另一种可能的选择是拥有尽可能多的子级值。这两种方法都有其自身的问题（当你有很多可能的值时，分类方法几乎难以解决），数字特征需要编码（分类的一个热点，这有效地意味着你仍然可以表达同一棵树，而不是有3个孩子的“物种”[狗、猫、人]你将有更深的决策树：[狗，不是狗]，[不是狗而是猫，不是狗，不是猫而是人]）。
所以简短的回答是不，你不能用这个实现实现超过2个孩子，但是一般来说这不是真正的限制。
