在scikit中使用随机林。是否可以强制拆分某个二进制功能。我有一个数据集，其中一个特征是男性或女性。我发现他们之间的差异如此之大，以至于第一次分手应该是在性方面。我当然可以制作模型，但有一个模型很实用。
简而言之，没有
然而，你的问题表明你还没有完全理解随机森林是如何工作的。
我建议阅读https://citizennet.com/blog/2012/11/10/random-forests-ensembles-and-performance-metrics/
数据中的拆分是以最大化拆分之间差异的方式进行的。因此，如果您提到的特征确实具有预测性，则树应该在某个点上对该特征进行拆分（取决于其他特征的预测能力）。
此外，sklearn中的所有树模型都具有导出拆分的功能——因此，您可以拟合一棵树并检查发生了什么。
http://scikit-learn.org/stable/modules/generated/sklearn.tree.export_graphviz.html
如果你想了解更多，《统计学习要素》（可在作者网站上免费下载）的第9章将更深入地介绍这一理论。
在某些情况下，原帖子的建议实际上可能是个好主意。由于随机森林基于信息量最大的特征贪婪地进行分割，因此它可能会执行不足的模型，该模型首先对信息量较小的特征进行分割，但将数据分为两个集，这两个集的行为不同，从而证明不同的模型是合理的。
这是一个演示这一点的视频-它是希伯来语的，但如果你按照屏幕上的笔记本，你可以看到他们是如何显示的：https://www.youtube.com/watch?v=LAJW18ITymM
（太长了，读不下去了-一个简单的决策树的分类准确度为0.74，但当将第四个最重要的特征拆分为两个单独的树时，每个树的准确度为0.85）