sklearn中随机森林单棵决策树绘图样本数异常问题

我在sklearn中绘制决策树时遇到了异常情况：原本希望对比含单个估计器、分别启用和不启用Bootstrapping的Random Forest模型，使用样本量n=5的玩具数据集，代码如下：

tree_model = RandomForestRegressor(
    n_estimators=1,   
    max_features=2,
    max_depth=None,
    min_samples_split=2,
    min_samples_leaf=1,
    random_state=42,
    bootstrap=True # (or False)
)
tree_model.fit(X_train, y_train)
single_tree = tree_model.estimators_[0]
fig = plt.figure(figsize=(14, 14), facecolor="white", dpi=300)
ax = fig.add_subplot(111)
plot_tree(single_tree, feature_names=["X1", "X2"], filled=True, impurity=False, rounded=False, ax=ax)

不启用Bootstrapping时，绘图显示根节点样本数为5，符合预期；但启用Bootstrapping时，根节点样本数变为4。我对此感到困惑：无论是否使用Bootstrapping，训练集都是5个样本，根节点样本数应该始终为5才对，这是怎么回事？

原因分析与解释 #

这是两个机制共同作用的结果：

1. Bootstrap抽样的特性：Bootstrap是有放回抽样，当样本量n=5时，抽样过程中可能出现部分样本被重复抽取、部分样本完全未被抽到的情况。你的代码中random_state=42固定了抽样结果，恰好有1个原样本未被选中，另外4个样本中有1个被重复抽取了一次，最终生成的Bootstrap样本集总大小仍是5（与原训练集一致）。
2. plot_tree的样本数统计逻辑：plot_tree默认显示的是节点内的独特样本数量（对应决策树的tree_.n_node_samples属性），而非考虑重复抽样后的总样本数。总样本数可以通过tree_.weighted_n_node_samples属性查看，这个值才是5，符合你对训练集大小的预期。

验证方法 #

你可以通过以下代码查看两个关键数值：

# 打印根节点的独特样本数和加权总样本数
print("根节点独特样本数：", single_tree.tree_.n_node_samples[0])
print("根节点加权总样本数：", single_tree.tree_.weighted_n_node_samples[0])

运行后会发现，加权总样本数确实是5，和原训练集大小一致。

如何显示总样本数 #

如果希望在决策树图中显示总样本数，可以自定义节点文本，修改plot_tree的参数，例如：

plot_tree(
    single_tree,
    feature_names=["X1", "X2"],
    filled=True,
    impurity=False,
    rounded=False,
    ax=ax
)
# 手动替换节点文本中的样本数为加权总样本数
for text in ax.texts:
    original_text = text.get_text()
    # 提取节点索引
    node_idx = int(original_text.split('\n')[0].split(' ')[1])
    weighted_samples = int(single_tree.tree_.weighted_n_node_samples[node_idx])
    new_text = original_text.replace(
        f'samples = {single_tree.tree_.n_node_samples[node_idx]}',
        f'samples = {weighted_samples}'
    )
    text.set_text(new_text)

内容的提问来源于stack exchange，提问作者EleniSop