为何scikit-learn DecisionTreeClassifier重复使用同一布尔特征与条件？

这种情况大概率是两个核心原因导致的：

• 特征并非严格布尔值，存在浮点误差：你以为x[54]是0/1的布尔特征，但实际数据里可能因为预处理（比如归一化、浮点计算）出现了类似1.0000000002或者-0.0000000001的数值。第一次划分用x[54] <= 0.5这类阈值时，这些异常值会被分到不符合预期的分支。比如本该属于True分支的样本，因为值略大于0.5被分到False，反之亦然。进入True分支后，剩下的样本里还有这类异常值，树就会再次用同一特征拆分。
• 树的拆分参数太宽松：如果没设置min_samples_split、min_samples_leaf这类参数，决策树会对极小样本集也进行拆分。比如第一次True分支的2个样本，若标签是一正一负，gini系数不为0，树就会继续拆分——哪怕看起来用的是同一特征条件，实际是因为浮点精度，这个条件能把这两个样本分开。

验证和解决方法：

• 先检查x[54]的实际取值：用print(np.unique(X[:, 54]))查看是否只有严格的0和1，有没有异常数值。
• 查看第一次True分支那2个样本的x[54]值和标签，确认是不是标签不纯导致树要拆分。
• 给DecisionTreeClassifier添加参数限制，比如min_samples_split=3或者min_samples_leaf=2，避免树对极小样本进行不必要的拆分。

另外要注意：scikit-learn的决策树会把所有特征当作连续特征处理，哪怕是布尔特征，也是用阈值（比如0.5）来划分，不是直接按布尔值判断。只要样本里有偏离0/1的数值，就可能出现这种看似重复的拆分逻辑。

内容的提问来源于stack exchange，提问作者Krishna