Scikit learn AdaBoost如何结合决策树得出预测？

我试图通过以下示例了解如何对sklearn的默认AdaBoostClassifier（）进行预测（我不关心训练，纯粹是预测）：

在对某些数据（特征是连续的，标签仅为0和1）拟合AdaBoostClassifier后，它有2个DecisionTreeClassifier估计器

估计权重均为1

2个要素的要素重要性为0.5，其他要素的要素重要性为0

第一个估计器的阈值为1175000.0，第二个估计器的阈值为15601.5

第一个估计值为真：[0.79310345 0.05517241]和假：[0.08275862 0.06896552]，第二个估计值为真：[0.05369315 0.]和假：[0.07044478 0.87586207]

AdaBoostClassifier（）如何准确预测标签

例如，假设我调用predict，两个相关功能是：

测试1:[2000000，20000] 两个DecisionTreeClassifier结果都为False。AdaBoostClassifier按预期结果为1

测试2:[1000000，10000] 两个DecisionTreeClassifier结果均为True。AdaBoostClassifier按预期结果为0

测试3:[2000000，10000] 第一个DecisionTreeClassifier结果为False，另一个结果为True。AdaBoostClassifier的结果为0。为什么？引擎盖下发生了什么？AdaBoostClassifier是如何得到这个结果的

测试4:[1000000，20000] 第一个DecisionTreeClassifier结果为True，另一个结果为False。AdaBoostClassifier的结果为0。为什么？引擎盖下发生了什么？AdaBoostClassifier是如何得出这个结果的？

A并不意味着你应该发布你的数据；您应该使用scikit学习构建一些虚拟数据。