决策树可视化实验
用于二分类的轴对齐划分交互模拟器。
决策树递归地将数据划分为更小区域。本模拟器中每次划分与坐标轴对齐，使用 x 或 y 阈值。
每个内部节点提出规则如 x <= 22。叶节点输出类别概率和最终标签。
对类别比例 p_k，基尼不纯度为：
$$ G = 1 - \sum_k p_k^2 $$
模型尝试候选划分并选择加权子节点不纯度最小的方案。
- 最大深度限制树复杂度。
- 最小样本数避免不稳定的微小划分。
- 纯叶节点（单一类别）自然停止。
较浅的树通常泛化更好，而较深的树可能过拟合局部噪声。
- 添加类 A 与类 B 的点，或加载演示模式。
- 使用不同的最大深度 / 最小样本设置训练。
- 观察区域边界、文本规则与划分日志。
- 比较简单与复杂树的可解释性与拟合质量。
点击画布在网格单元添加样本，然后训练生成规则与决策区域。
模型信息
点数： 0 A | 0 B
上次划分得分： -