scikit-learn DecisionTreeClassifier处理连续特征重复值的潜在分裂点规则

假设有一个取值为[10, 20, 20, 30]的连续预测变量，已知潜在分裂阈值集合包含{15, 25}（分别是10与20、20与30的均值）。请问20是否会因是两个20的均值而被纳入潜在分裂阈值？还是排序数组中的重复值会被跳过？

注：此问题并非询问选择最优分裂阈值的评估指标（如基尼系数、熵、对数损失等），而是聚焦于用于评估的潜在阈值的上游生成过程。

在scikit-learn的决策树实现中，连续特征的潜在分裂阈值生成逻辑如下：

• 先对特征值进行排序
• 仅在相邻的不同特征值之间计算均值作为潜在分裂阈值
• 若相邻特征值为重复值（比如这里的两个20），会直接跳过，不会生成对应的阈值

因此，对于[10,20,20,30]这个特征，排序后相邻的不同值对只有(10,20)和(20,30)，对应的潜在阈值就是15和25，20不会被纳入潜在分裂阈值集合。

内容的提问来源于stack exchange，提问作者NaiveBae