决策树是如何得到量化的概率，不只是0或1的标签？

举个例子好了，你要判断今天有没有下过雨。你观测了过去32天的两项特征：一、能不能看到太阳，二、地上有没有水。于是你就把这32天的数据做成了如下的决策树。

假如今天能看得到太阳，那么根据上面的决策树，今天下雨的概率为1/（1+9）=0.1

假如今天不能看到太阳，但是地上有水，那么预测今天下过雨的概率为18/（18+2）=0.9

假如今天不能看到太阳，地上也没有水，那么预测今天下过雨的概率为0/（0+2）=0.0

所以决策树预测出来的概率就是对应子节点里下雨天的比率。

其实预测出的分类也是根据数值概率来的。

比如一个叶节点里有3个阳性样本，2个阴性样本，那么这个叶节点预测出来的概率就是0.6。因为0.6 > 0.5，所以预测出来的标签是阳性。