在scikit-learn的决策树实现中如何保证min_samples_leaf？

Question

在调用拆分器之前，决策树checks that there are more than 2 * min_samples_leaf nodes的实现，这很好。

然后，在拆分器的实现中，按选定的功能进行排序后，我们得到了这个while循环，该循环遍历所有可能的拆分并根据杂质选择最佳拆分：

https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_splitter.pyx#L401

在我看来，[c0]完全有可能找不到合适的分割。一个例子是：

due to this while loop

在这种情况下，我们找不到任何合适的分割，并且“最佳位置”默认为“结束位置”。我在这里想念什么吗？

Answer 1

找到了我自己的答案ha-

如果找不到合适的拆分，则“最佳位置”默认为“终止位置”，但“终止位置”不是有效位置，拆分器的调用者将对此进行检查并将其标记为叶子，如果发生这种情况。