SMOTE重采样导致决策树出现非二元异常阈值的解决咨询

问题背景 #

• 未进行重采样时，基于哑变量（由原字符串/非整数的二元特征经get_dummies转换而来）训练的决策树，二元叶节点的阈值为<= 0.5，决策边界解释清晰。
• 使用SMOTE重采样后，决策树的二元特征出现了非0.5的奇怪阈值，观察发现SMOTE生成的新数据集中，原二元特征不再只有0和1两个取值（非二元的整数特征出现连续数值属于正常情况）。

相关代码 #

决策树训练代码 #

X1 = dummies.drop(target1, axis="columns") # 输入变量
Y1 = dummies[target1] # 目标变量

X1_train, X1_test, Y1_train, Y1_test = train_test_split(X1, Y1, test_size= 0.3)

clf1 = DecisionTreeClassifier(max_depth = 3) 
clf1 = clf1.fit(X1_train, Y1_train)
params1 = clf1.get_params()
        
preds1 = clf1.predict(X1_train)
        
clf1.predict_proba(X1_train)

feature_names1 = X1.columns
clf1.feature_importances_

fig1 = plt.figure(figsize = (25,20))
_ = tree.plot_tree(clf1,
                  feature_names = feature_names1,
                  class_names = {0: "No Issue", 
                                 1: "Issue"},
                  filled = True,
                  fontsize = 12)

SMOTE重采样代码 #

sm = SMOTE(random_state=42)
X_res, Y_res = sm.fit_resample(X_train, Y_train)

重采样完成后，用X_res和Y_res替代上述决策树代码中的X1_train和Y1_train进行模型训练。

疑问与初步想法 #

想知道是否有办法解决决策树中二元特征阈值异常的问题？

我自己的初步思路是：把0到0.5之间的所有值替换为0.5，0.5到1之间的所有值替换为1，但担心这样操作会导致数据失真。

内容的提问来源于stack exchange，提问作者Max