用Python解释决策树

我用python构建了一个决策树，我正在努力解释它。这棵树看起来像下图

这是一个搅动模型的结果。我想知道如何解释以下内容：

  1. Number of children at home <=3.5  (Integer)
  2. MaritalStatus_M <= 0.5  (M- Married in here and was a binary. I was expecting either MaritalStatus_M=0 or =1)
  3. Sales Reason_Price<=0.5 (Binary. I was expecting either Sales Reason_Price=0 or =1)
  4. Tenure_Months<= 0.5 (Integer)

---

1。家中孩子的数量有一些内在原因为什么树中的拆分决定更喜欢
有一些内在原因为什么树中的拆分决定更喜欢
谢谢你的回答，任期是整数。一旦我得到“任期_Months@L.G.是的，应该是
任期\u个月<21
或
任期\u个月如果一个变量在分支中出现多次，我该如何解释？图中为MIN_TXN_值，橙色，类为Not_搅动。请将最小交易额读取为最小交易额value@L.G.在阅读这棵树时，请尝试运用一些常识（据说树木对这一点特别有用）。我看不出你的意思-我能看到的唯一一片橙色的叶子是关于最大TXN值的，而不是最小值的；从
MIN\u TXN\u值开始的分支感谢您的回答，任期月份为整数。一旦我得到“任期_Months@L.G.是的，应该是
任期\u个月<21
或
任期\u个月如果一个变量在分支中出现多次，我该如何解释？图中为MIN_TXN_值，橙色，类为Not_搅动。请将最小交易额读取为最小交易额value@L.G.在阅读这棵树时，请尝试运用一些常识（据说树木对这一点特别有用）。我看不出你的意思-我能看到的唯一一片橙色的叶子是关于最大TXN值的，而不是最小值的；从
MIN\u TXN\u值开始的分支