如果我有一个经过良好训练的决策树，那么树是否仍然有一些属性组合没有预测？我想说的是，有可能有一个决策树来响应来自数据集的所有可能的输入组合吗？我并不关心树的准确性，相反，我想知道一个好的决策树是否会对所有可能的输入组合进行预测。
谢谢你的帮助！
这取决于"属性组合"是指为其提供值的属性集，还是指特定值的组合（针对所有属性）。例如，假设您有属性A、B、C和D。属性A可以有值{A_1、A_2、…、AA_n}（类似于属性B、C、D）。
如果"属性组合"的意思是，有时会为所有属性提供值，但有时只提供子集（例如，只提供a、C和D的值），那么这取决于特定的决策树实现。例如，ID3要求每个样本具有所有属性的值，而C4.5则没有（即，它处理缺失的属性）。
如果您所说的"属性组合"是指所有属性始终存在，但并非所有属性值的组合都在训练过程中遇到（例如，没有具有该组合的训练样本（A_2、B_5、C_1、D_4）），那么是的，经训练的决策树应该能够处理这些情况。更具体地说，经过训练的树应该能够对其所训练的属性的所有值组合进行分类。
如果与特定属性相对应的节点没有具有该属性的特定值的训练样本，则基于父节点的属性值（更接近根的下一个节点）进行预测。例如，假设您有一个新的观测值（a_2、B_5、C_1、D_4）。你可以有一个训练过的树，它的根节点在属性C上分支。基于给定的属性值C=C_1，树可以在属性B上分支，基于B=B_5，它可以进行预测。可能不存在具有组合（*，B_5，C_1，*）的训练样本。在这种情况下，预测仅基于值C＝C_1。
或者可能存在C=C_1和B=B_5的训练示例，但该组合已经足以进行预测。在这种情况下，新观测的A和D的值与B和C的组合无关。由于匹配（*，B_5，C_1，*）的所有新观测都具有相同的预测，因此没有必要在训练数据中也存在A和D相关联的值。