Explicación de los números en un árbol de decisión

Question

Utilizando el famoso conjunto de datos Iris con el clasificador de árbol de decisión Julia obtengo el siguiente árbol.

using RDatasets
using DecisionTree
iris = dataset("datasets", "iris")
features = convert(Array, iris[:, 1:4])
labels = convert(Array, iris[:, 5]);
model = build_tree(labels, features)
model = prune_tree(model, 0.9)

print_tree(model)
Feature 3, Threshold 3.0
L-> setosa : 50/50
R-> Feature 4, Threshold 1.8
    L-> Feature 3, Threshold 5.0
        L-> versicolor : 47/48
        R-> Feature 4, Threshold 1.6
            L-> virginica : 3/3
            R-> Feature 1, Threshold 7.2
                L-> versicolor : 2/2
                R-> virginica : 1/1
    R-> Feature 3, Threshold 4.9
        L-> Feature 1, Threshold 6.0
            L-> versicolor : 1/1
            R-> virginica : 2/2
        R-> virginica : 43/43

No puedo interpretar bien los números que aparecen después de algunas ramas, como "setosa : 50/50" o "virginica : 3/3".

¿Podría alguien explicar qué significan?

Answer 1

Las etiquetas dan el número de observaciones con la clase mayoritaria predicha y el número total de observaciones en ese nodo.

Así, "versicolor : 47/48" significa que en el nodo correspondiente hay 48 observaciones de las cuales 47 son versicolor. Por consiguiente, una observación (de la clase virginica) está mal clasificada en ese nodo.