决策树分类预测实战：从原理到调参的完整指南

1. 为什么决策树依然是分类任务的首选起点1.1 从一个真实场景说起去年帮一个做电商的朋友处理用户流失预警的问题他手里攒了大概三万条用户行为记录每条记录包含最近登录间隔、历史订单数、客单价、优惠券使用频率、客服投诉次数等十几个字段最终标签是“流失”或“未流失”。他一开始想直接上深度学习我劝他先别急拿决策树跑一版基线出来看看。结果用scikit-learn的DecisionTreeClassifier前后不到二十分钟准确率就干到了0.87而且我把树的前三层画出来之后他当场就拍板说“这个逻辑我业务团队能看懂就按这个思路去设计运营策略”。这件事让我更加确信一个判断在结构化数据的分类预测任务里决策树是性价比最高的起点没有之一。它不像神经网络那样需要调参调到天荒地老也不像朴素贝叶斯那样对特征独立性有强假设更不像支持向量机那样在大样本上训练慢得让人抓狂。决策树给你的是一棵可以逐层拆解的if-else规则树每个节点在做什么判断、判断阈值是多少、为什么这么切分全部白盒可见。这篇文章我会把决策树分类预测这件事从头到尾拆一遍。不管你是刚接触机器学习的学生还是工作中需要快速出baseline的开发者或者是想理解模型决策逻辑的产品经理下面这些内容都能直接拿去用。我会讲清楚决策树的核心原理到底在干什么、特征选择背后的数学逻辑是什么、剪枝为什么能救命、实操中怎么调参、遇到问题怎么排查以及我在实际项目里踩过的那些坑。1.2 决策树到底在解决什么问题用一句话概括决策树通过一系列“如果……那么……”的判断把特征空间切分成若干个互不重叠的区域每个区域对应一个分类结果。你可以把它想象成一个医生问诊的过程。医生不会一上来就让你做全身CT而是先问“哪里不舒服”根据你的回答再追问“疼了多久了”再根据回答决定“有没有发烧”。每一步追问都是在缩小可能性范围最终给出一个诊断结论。决策树干的就是这件事——它自动从数据里学出“先问哪个问题最能区分结果”“阈值定在哪里最合适”。形式化地说给定一个包含N个样本、每个样本有M个特征的数据集决策树的目标是构建一棵树使得每个叶子节点内的样本尽可能属于同一类别。构建过程是递归的在当前节点上选择一个最优特征和最优切分点把数据分成两份或多份然后对每个子集重复这个过程直到满足停止条件。这里有两个核心问题需要解决第一怎么判断哪个特征是最优的第二什么时候停止分裂。前者涉及特征选择准则后者涉及剪枝策略。下面我会逐一拆解。1.3 这篇文章适合谁看如果你属于以下几类人这篇文章的内容可以直接拿去用刚入门机器学习的开发者想找一个能快速上手、可解释性强的分类算法作为第一个实战项目。需要快速出baseline的数据分析师手头有结构化数据想先跑一个基准模型看看数据到底有没有信号。对模型可解释性有硬性要求的从业者比如风控、医疗辅助诊断、运营策略制定等场景需要向非技术人员解释模型决策逻辑。准备面试的求职者决策树的特征选择、剪枝、与随机森林和GBDT的关系是面试高频考点。我下面讲的内容不会停留在“调个库就完事”的层面而是会把每个关键决策背后的“为什么”讲透。你看完之后应该能做到拿到一份新的结构化分类数据知道怎么预处理、怎么选分裂准则、怎么控制树的复杂度、怎么评估模型好坏、遇到问题怎么排查。2. 决策树的核心机制拆解2.1 特征选择三个准则的数学直觉与适用场景决策树每次分裂时都面临一个选择用哪个特征来切分当前数据切分点定在哪里这个选择的依据就是不纯度impurity——切分后的子节点越“纯”即子节点内样本类别越集中说明这个切分越好。常用的不纯度度量有三种**信息增益Information Gain**基于信息熵。熵是衡量随机变量不确定性的指标熵越大表示不确定性越高。对于二分类问题如果正负样本各占一半熵达到最大值1如果全是正样本或全是负样本熵为0。信息增益就是父节点的熵减去子节点熵的加权和。ID3算法用的就是这个准则。但信息增益有个明显缺陷它偏向于取值较多的特征。举个例子如果有一个“用户ID”特征每个ID只对应一个样本那么按这个特征切分后每个子节点都是纯的信息增益会非常高但这显然没有泛化意义。C4.5算法引入**信息增益率Gain Ratio**来解决这个问题它在信息增益的基础上除以特征自身的分裂信息量对取值多的特征施加惩罚。**基尼指数Gini Index**是CART算法使用的准则。基尼指数衡量的是从数据集中随机抽取两个样本其类别不一致的概率。基尼指数越小数据纯度越高。相比信息熵基尼指数的计算不涉及对数运算速度更快而且在实际效果上两者差异通常很小。准则对应算法计算复杂度偏向性适用场景信息增益ID3中等含对数偏向多取值特征特征取值较少的场景信息增益率C4.5较高修正了多取值偏向特征取值差异大的场景基尼指数CART较低无对数轻微偏向多取值通用场景默认首选我在实际项目中基本默认用基尼指数原因很简单效果和信息熵几乎一样但训练速度快不少尤其是在数据量大、特征多的时候这个速度差异会被放大。scikit-learn的DecisionTreeClassifier默认用的就是基尼指数criterion参数可以切换成entropy。注意如果你的特征中有很多类别型变量且取值数量差异很大建议试试信息增益率。但scikit-learn没有直接实现C4.5的信息增益率需要自己写或者用其他库。2.2 分裂点搜索连续特征和离散特征的处理差异选定特征之后下一步是确定切分点。离散特征和连续特征的处理方式不同。对于离散特征如果特征有K个取值理论上可以产生2^(K-1)-1种二分方案CART是二叉树或K种多路划分ID3/C4.5。当K不大时比如小于10可以穷举所有划分方式找最优。但当K很大时穷举不可行通常的做法是只考虑二分或者根据特征取值排序后按序切分。对于连续特征不能穷举所有可能的切分点因为有无穷多个。实际做法是先把该特征的所有取值排序然后取相邻两个值的中点作为候选切分点。如果有N个不同的取值就有N-1个候选切分点。对每个候选点计算切分后的不纯度选最优的。这里有个实操细节排序只需要做一次。在树的构建过程中同一个特征在不同节点上可能被多次使用但每次使用时的候选切分点只需要在该节点对应的样本子集上重新计算。scikit-learn内部做了优化对连续特征会预先排序并缓存避免重复排序。2.3 停止条件与剪枝为什么不能让树无限生长如果不对树的生长加以限制决策树会一直分裂到每个叶子节点只包含一个样本为止。这样的树在训练集上准确率是100%但在测试集上可能惨不忍睹——这就是典型的过拟合。控制树复杂度的手段分为两类预剪枝pre-pruning和后剪枝post-pruning。预剪枝是在树的生长过程中提前停止分裂常用的停止条件包括节点内样本数小于某个阈值min_samples_split叶子节点内样本数小于某个阈值min_samples_leaf树的深度达到上限max_depth节点的不纯度下降幅度小于某个阈值min_impurity_decrease节点内所有样本属于同一类别自然停止后剪枝是先让树充分生长然后自底向上地考察每个子树如果把它替换成叶子节点后验证集上的性能没有下降甚至提升就执行剪枝。CART用的代价复杂度剪枝Cost-Complexity Pruning就是后剪枝的经典实现scikit-learn通过ccp_alpha参数支持。预剪枝的优点是简单高效缺点是可能过早停止导致欠拟合——有些分裂在当前看起来收益不大但后续可能带来大幅纯度提升。后剪枝的优点是效果通常更好缺点是计算量更大需要额外的验证集。我在实际项目中的策略是先用预剪枝参数max_depth、min_samples_leaf快速控制复杂度跑一版baseline如果效果不理想再尝试后剪枝。大多数情况下预剪枝调好了就够用了。3. 完整实操流程从原始数据到可部署模型3.1 数据准备与预处理要点决策树对数据预处理的要求相对宽松但有几个点必须注意。缺失值处理。scikit-learn的决策树不支持缺失值需要提前填充。常用的填充策略包括均值/中位数填充、众数填充、或者用其他模型预测填充。我一般先用中位数填充数值型特征、用众数填充分类型特征跑一版看看效果。如果缺失比例很高比如超过30%考虑直接删除该特征或者把“是否缺失”作为一个新的二值特征加进去。类别型特征编码。决策树本身可以处理类别型特征但scikit-learn的实现要求所有特征都是数值型。对于有序类别如“低、中、高”直接用LabelEncoder映射成0、1、2即可。对于无序类别如“红色、蓝色、绿色”用OneHotEncoder做独热编码。但要注意独热编码会增加特征维度如果某个类别型特征取值很多比如超过20个独热编码后维度爆炸这时候可以考虑用目标编码Target Encoding或者把低频类别合并成“其他”。特征缩放。决策树不需要特征缩放因为它只关心特征的排序关系不关心绝对数值大小。这一点和逻辑回归、SVM不同省了不少事。数据划分。标准做法是划分为训练集和测试集比例通常7:3或8:2。如果要做超参数调优还需要从训练集中再划出一部分作为验证集或者直接用交叉验证。我习惯用train_test_split做一次划分然后在训练集上做5折交叉验证来调参最后在测试集上评估最终性能。from sklearn.model_selection import train_test_split from sklearn.tree import DecisionTreeClassifier from sklearn.metrics import classification_report, confusion_matrix from sklearn.preprocessing import LabelEncoder import pandas as pd import numpy as np # 假设df是原始数据target是标签列 X df.drop(columns[target]) y df[target] # 类别型特征编码 le LabelEncoder() for col in X.select_dtypes(include[object]).columns: X[col] le.fit_transform(X[col].astype(str)) # 缺失值填充 X X.fillna(X.median()) # 数据划分 X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, random_state42, stratifyy )提示stratifyy参数很重要它能保证训练集和测试集中各类别的比例与原始数据一致。如果数据类别不平衡不加这个参数可能导致测试集中某个类别样本极少评估结果不可靠。3.2 模型训练与关键参数调优DecisionTreeClassifier的参数大概有十来个但真正影响模型性能的核心参数就那么几个。我按重要性排序逐一说明。max_depth树的最大深度。这是控制过拟合最直接有效的参数。默认值是None表示不限制深度树会一直生长到叶子节点纯净或样本数少于min_samples_split。实践中对于几千到几万条数据的中小规模数据集深度设在3到10之间比较常见。深度太浅欠拟合太深过拟合。我一般从5开始试然后根据验证集性能上下调整。min_samples_split一个节点被允许分裂所需的最小样本数。默认值是2意味着只要节点内还有2个样本且不纯就会继续分裂。这个默认值几乎必然导致过拟合。我通常设成总样本数的1%到5%之间或者直接设一个绝对值比如20到100。具体设多少取决于数据量——数据量大就设大一点数据量小就设小一点。min_samples_leaf叶子节点必须包含的最小样本数。默认值是1。这个参数和min_samples_split有类似的作用但它约束的是叶子节点而不是分裂节点。我通常把min_samples_leaf设成min_samples_split的一半左右。比如min_samples_split50min_samples_leaf25。max_features每次分裂时考虑的最大特征数。默认值是None即考虑所有特征。如果特征维度很高比如超过100可以设成sqrt特征数的平方根或log2特征数的对数这样能加速训练并降低过拟合风险。但要注意限制特征数可能会降低单棵树的性能不过如果你后续要集成多棵树随机森林这个参数就很重要了。ccp_alpha代价复杂度剪枝的参数。默认值是0表示不做后剪枝。值越大剪枝越激进树越简单。这个参数需要通过交叉验证来选scikit-learn提供了cost_complexity_pruning_path方法来辅助选择。from sklearn.model_selection import GridSearchCV param_grid { max_depth: [3, 5, 7, 10, 15], min_samples_split: [10, 20, 50, 100], min_samples_leaf: [5, 10, 25, 50], criterion: [gini, entropy] } dt DecisionTreeClassifier(random_state42) grid_search GridSearchCV( dt, param_grid, cv5, scoringf1_weighted, n_jobs-1 ) grid_search.fit(X_train, y_train) print(最优参数:, grid_search.best_params_) print(最优交叉验证得分:, grid_search.best_score_)注意GridSearchCV的scoring参数要根据你的任务来选。如果类别平衡用accuracy就行如果类别不平衡建议用f1_weighted或roc_auc。不要盲目追求准确率在不平衡数据上准确率是有欺骗性的。3.3 模型评估与可视化解读训练完模型之后不能只看一个准确率数字就完事。我通常会做以下几件事混淆矩阵。看每个类别的分类情况特别是少数类有没有被大量误分。如果少数类的召回率很低说明模型可能偏向多数类需要调整类别权重或者用重采样方法。分类报告。classification_report会给出每个类别的精确率、召回率、F1值以及宏平均和加权平均。我一般重点关注加权平均的F1值因为它考虑了类别不平衡。特征重要性。决策树的feature_importances_属性给出了每个特征在树中用于分裂时的不纯度下降总量归一化后。这个值越高说明该特征对分类的贡献越大。但要注意这个重要性是基于训练集的如果模型过拟合重要性排序可能不可靠。树结构可视化。这是决策树相比其他模型最大的优势。sklearn.tree.plot_tree可以把树画出来每个节点显示分裂特征、阈值、样本数、不纯度、类别分布。我经常把树的前三层画出来给业务方看他们能直接理解模型的决策逻辑。from sklearn.metrics import classification_report, confusion_matrix from sklearn.tree import plot_tree import matplotlib.pyplot as plt # 预测 y_pred grid_search.predict(X_test) # 混淆矩阵 print(混淆矩阵:) print(confusion_matrix(y_test, y_pred)) # 分类报告 print(\n分类报告:) print(classification_report(y_test, y_pred)) # 特征重要性 importances pd.DataFrame({ feature: X.columns, importance: grid_search.best_estimator_.feature_importances_ }).sort_values(importance, ascendingFalse) print(\n特征重要性:) print(importances) # 树结构可视化限制深度避免图太大 plt.figure(figsize(20, 10)) plot_tree( grid_search.best_estimator_, max_depth3, feature_namesX.columns, class_names[str(c) for c in sorted(y.unique())], filledTrue, roundedTrue, fontsize10 ) plt.show()3.4 参数选择的计算过程示例假设我有一个包含5000条样本的数据集二分类任务正负样本比例约1:4。我按以下逻辑来确定参数范围首先min_samples_leaf的下限。如果某个叶子节点只有不到10个样本这个节点的分类结果基本不可信。所以min_samples_leaf至少设为10。考虑到样本不平衡少数类只有1000条如果min_samples_leaf设得太大少数类可能被“淹没”。我设min_samples_leaf20这样每个叶子至少有20个样本少数类在叶子中的期望数量是4个左右勉强可接受。然后min_samples_split。它应该大于等于2 * min_samples_leaf否则分裂后子节点可能不满足min_samples_leaf约束。我设min_samples_split50。接着max_depth。5000条样本如果每次分裂大致均匀二分深度为d时叶子节点数约为2^d每个叶子平均样本数约为5000/2^d。要让每个叶子至少有20个样本2^d 250即d 7.9。所以max_depth的上限设为8左右。我从5开始试逐步增加到8。最后用5折交叉验证跑一遍网格搜索看哪个组合的F1加权得分最高。如果最优组合在搜索范围的边界上比如max_depth8是最优说明可能需要扩大搜索范围如果在中间说明范围设置合理。4. 常见问题与排查技巧实录4.1 过拟合与欠拟合的识别与应对过拟合的典型表现训练集准确率很高比如0.99测试集准确率明显低比如0.75两者差距超过10个百分点。树很深叶子节点很多每个叶子节点样本数很少。应对过拟合的手段按优先级排序增大min_samples_leaf和min_samples_split。这是最直接有效的方法。我一般先把min_samples_leaf从默认的1提高到总样本数的1%左右看看测试集性能是否提升。减小max_depth。把树限制在5到8层通常能显著降低过拟合。使用后剪枝。通过ccp_alpha参数做代价复杂度剪枝让算法自动找到最优的子树。减少特征数量。用max_features限制每次分裂考虑的特征数或者先做特征选择去掉噪声特征。增加训练数据。如果条件允许收集更多数据是最根本的解决办法。欠拟合的典型表现训练集和测试集准确率都低且两者差距很小。树很浅可能只有两三层。应对欠拟合的手段增大max_depth让树充分生长。减小min_samples_leaf和min_samples_split允许更细粒度的分裂。增加特征检查是否有有意义的特征没有被纳入模型。检查数据预处理看是否有特征被错误编码或填充导致信息丢失。4.2 类别不平衡的处理策略类别不平衡是分类任务中的常见问题。如果正类占95%负类占5%模型只要把所有样本都预测为正类就能达到95%的准确率但这显然没有意义。处理类别不平衡的常用方法调整类别权重。DecisionTreeClassifier的class_weight参数可以设为balanced算法会自动根据类别频率调整权重让少数类在分裂时获得更大的“话语权”。这是最简单的方法我通常第一步就加上这个参数。重采样。对多数类做欠采样或者对少数类做过采样。欠采样简单但会丢失信息过采样容易导致过拟合。折中方案是用SMOTE等算法生成合成样本。但要注意重采样只能在训练集上做测试集必须保持原始分布。调整评估指标。不要用准确率改用F1值、AUC-ROC、或者精确率-召回率曲线。这些指标对类别不平衡更敏感。调整决策阈值。决策树输出的是概率通过predict_proba默认以0.5为阈值。如果少数类召回率低可以降低阈值让更多样本被预测为少数类。# 使用class_weight处理不平衡 dt_balanced DecisionTreeClassifier( max_depth5, min_samples_leaf20, class_weightbalanced, random_state42 ) dt_balanced.fit(X_train, y_train) # 调整决策阈值 y_proba dt_balanced.predict_proba(X_test)[:, 1] threshold 0.3 # 降低阈值提高少数类召回率 y_pred_adjusted (y_proba threshold).astype(int)4.3 特征重要性不可靠怎么办决策树的特征重要性有一个已知问题它偏向于取值较多的特征。这和前面说的信息增益偏向多取值特征是同一个道理。如果一个特征有很多不同的取值它在树中更容易被选为分裂特征从而获得较高的重要性分数即使它实际上对分类的贡献并不大。判断特征重要性是否可靠的方法看特征取值数量。如果某个高重要性特征的取值数量远多于其他特征它的重要性可能被高估了。用排列重要性Permutation Importance交叉验证。sklearn.inspection.permutation_importance通过随机打乱某个特征的值来观察模型性能下降幅度这种方法不受特征取值数量的影响。用SHAP值分析。SHAP能给出每个特征对每个样本预测结果的贡献比全局重要性更细致。from sklearn.inspection import permutation_importance perm_importance permutation_importance( grid_search.best_estimator_, X_test, y_test, n_repeats10, random_state42, n_jobs-1 ) perm_df pd.DataFrame({ feature: X.columns, importance_mean: perm_importance.importances_mean, importance_std: perm_importance.importances_std }).sort_values(importance_mean, ascendingFalse) print(perm_df)4.4 常见问题速查表问题现象可能原因排查方法解决方案训练集准确率远高于测试集过拟合对比训练集和测试集指标增大min_samples_leaf减小max_depth加ccp_alpha训练集和测试集准确率都低欠拟合检查树深度和叶子节点数增大max_depth减小min_samples_leaf少数类召回率极低类别不平衡看混淆矩阵和分类报告class_weightbalanced重采样降低阈值特征重要性排序不合理多取值特征偏向检查特征取值数量用排列重要性或SHAP值验证模型在不同随机种子下差异大数据量小或树不稳定多次运行看方差增加数据或用随机森林集成预测概率全部集中在0.5附近树太浅或分裂不充分看叶子节点的不纯度增大max_depth减小min_samples_leaf4.5 我踩过的几个坑第一个坑忘了处理缺失值。scikit-learn的决策树遇到缺失值会直接报错不会自动处理。我有一次跑一个数据集特征里有一列有少量缺失忘了填充结果训练时报错排查了半天才发现。后来养成了习惯fit之前先跑一遍X.isnull().sum()检查。第二个坑用独热编码处理高基数类别特征。有一个特征叫“商品类别”有200多个取值。我直接做了独热编码特征维度从20多暴涨到200多训练慢不说模型还严重过拟合。后来改成目标编码把200多个类别映射成该类别对应的目标均值效果好了很多。但目标编码要注意在交叉验证内部做否则会数据泄露。第三个坑只看准确率不看业务指标。在一个风控场景里模型准确率0.92看起来不错。但业务方关心的是“坏用户”的召回率一看只有0.45一半的坏用户被漏掉了。后来调整了类别权重和决策阈值把坏用户召回率提到0.78准确率降到0.88业务方反而更满意。模型指标要服务于业务目标不能唯准确率论。第四个坑树画出来太复杂没法解释。有一次给业务方展示模型我把完整的树画出来密密麻麻几百个节点业务方直接说“看不懂”。后来只画了前三层把后面的子树用“……”代替业务方就能理解了。可解释性不等于把所有细节都展示出来而是要展示对方能理解的粒度。5. 从单棵树到集成模型决策树的进阶方向5.1 随机森林用多棵树降低方差单棵决策树最大的问题是高方差——数据稍微变一点树的结构可能完全不同。随机森林通过两个随机性来降低方差一是对样本做有放回抽样Bagging每棵树用不同的样本子集训练二是每次分裂时只考虑随机选取的一部分特征。随机森林的泛化能力通常远好于单棵决策树而且不容易过拟合。代价是失去了单棵树的白盒可解释性——你没法把500棵树画出来给业务方看。但特征重要性依然可以计算而且比单棵树的更可靠。from sklearn.ensemble import RandomForestClassifier rf RandomForestClassifier( n_estimators200, max_depth10, min_samples_leaf10, class_weightbalanced, random_state42, n_jobs-1 ) rf.fit(X_train, y_train) y_pred_rf rf.predict(X_test) print(classification_report(y_test, y_pred_rf))5.2 梯度提升树用残差逼近提升精度梯度提升树GBDT的思路和随机森林不同。随机森林是并行训练多棵树然后投票GBDT是串行训练——每棵新树拟合前面所有树的预测残差。最终预测结果是所有树的预测值之和。GBDT在结构化数据上的表现通常比随机森林更好但更容易过拟合需要更仔细地调参。scikit-learn的GradientBoostingClassifier、XGBoost、LightGBM都是这个家族的实现。from sklearn.ensemble import GradientBoostingClassifier gbdt GradientBoostingClassifier( n_estimators200, learning_rate0.05, max_depth4, min_samples_leaf20, subsample0.8, random_state42 ) gbdt.fit(X_train, y_train) y_pred_gbdt gbdt.predict(X_test) print(classification_report(y_test, y_pred_gbdt))5.3 什么时候该用单棵树什么时候该上集成我的经验判断标准很简单需要向非技术人员解释模型决策逻辑用单棵决策树限制深度在3到5层画出来给业务方看。追求最高预测精度且不需要解释用GBDT或LightGBM调好参通常能比单棵树提升5到15个百分点的F1值。数据量小且特征少单棵树就够了集成模型可能过拟合。数据量大且特征多集成模型优势明显单棵树容易过拟合且精度不够。需要快速出baseline单棵树训练快、调参少半小时内能出结果。我个人的工作流通常是先用单棵决策树跑一版baseline看看数据到底有没有信号、哪些特征重要。如果baseline效果已经满足业务需求就直接用单棵树简单可解释。如果效果不够再上随机森林或GBDT用单棵树得到的特征重要性来指导特征工程。6. 写在最后的一些实操心得决策树这个算法看起来简单但真正用好需要对这些细节有感觉min_samples_leaf设多少合适、max_depth怎么定、类别不平衡怎么处理、特征重要性可不可信。这些没有标准答案只能通过反复实验来积累经验。我自己的习惯是拿到一个新数据集先用默认参数跑一版决策树看看训练集和测试集的差距。如果差距大就加预剪枝参数如果差距小但性能低就检查特征工程和数据处理。然后画前三层树看看分裂逻辑是否符合业务直觉——如果树的分裂逻辑和业务认知完全相反那大概率是数据有问题而不是模型有问题。还有一个很实用的技巧把决策树的决策路径导出成规则。sklearn.tree的decision_path方法可以给出每个样本经过的节点路径结合tree_.threshold和tree_.feature就能还原出if-else规则。这些规则可以直接交给工程团队用硬编码实现完全脱离模型框架推理速度极快适合对延迟敏感的线上场景。最后说一个我经常用来快速判断模型是否靠谱的方法把测试集按预测概率分桶看每个桶内的实际正例率是否单调。比如预测概率在0.0-0.1的样本实际正例率应该在10%以下0.9-1.0的样本实际正例率应该在90%以上。如果概率分桶和实际正例率不单调说明模型的概率校准有问题需要进一步排查。这个方法比看单一准确率数字直观得多也更能反映模型在实际业务中的可用性。