基于0-9随机整数的决策树代码问题：为何输出仍为[0,1]？

原代码的核心错误 #

• 训练样本量过少：仅用2个样本训练，决策树无法学习0-9整数的任何分布规律，只能拟合这两个随机生成的数值，导致模型输出范围局限在这两个数（刚好随机到0和1时就会出现[0,1]的情况）。
• 特征设计冗余无效：每个样本的特征是[num, num]，两个特征完全相同，模型无法从重复特征中提取有效区分信息，且特征与标签完全一致，会导致极端过拟合。
• 缺少概率输出逻辑：原代码仅完成模型训练，未调用概率预测方法，且当前模型设置也无法输出合理的概率分布。

修正后的代码示例 #

假设需求是：基于大量0-9随机整数对训练决策树，输入任意整数对后输出其和的概率分布：

from sklearn import tree
import random

# 生成1000个有效训练样本
sample_size = 1000
X = []
Y = []
for _ in range(sample_size):
    num1 = random.randint(0, 9)
    num2 = random.randint(0, 9)
    X.append([num1, num2])
    Y.append(num1 + num2)  # 标签设为两数之和，类别范围0-18

# 训练决策树（限制树深防止过拟合）
clf = tree.DecisionTreeClassifier(max_depth=5)
clf.fit(X, Y)

# 测试任意整数对的概率输出
test_pair = [3, 5]
probabilities = clf.predict_proba([test_pair])[0]
print(f"整数对{test_pair}的和的概率分布：")
for idx, prob in enumerate(probabilities):
    print(f"和为{idx}的概率：{prob:.4f}")

关键修正点说明 #

1. 充足训练数据：生成1000个样本，让模型能学习0-9整数对的潜在规律。
2. 合理特征与标签：特征为真实的两个随机整数，标签根据需求定义（这里用两数之和作为分类目标）。
3. 防止过拟合：设置max_depth限制决策树复杂度，避免模型完全拟合训练数据的噪声。
4. 概率输出：使用predict_proba方法输出每个类别的概率，满足你的概率输出需求。

如果你的需求是直接输出整数对本身出现的概率，可以将标签改为num1 * 10 + num2（把整数对映射为0-99的唯一标识），再训练分类器即可。

内容的提问来源于stack exchange，提问作者realistdream