剪枝是决策树学习算法对付“过拟合”的主要手段（)
对
举一反三
- 决策树剪枝的主要目的是对抗（ ）。 A: 欠拟合 B: 不拟合 C: 算法复杂度 D: 过拟合
- 关于剪枝,以下算法正确的是:( )。 A: 决策树剪枝的基本策略有预剪枝和后剪枝 B: ID3算法没有剪枝操作 C: 剪枝是防止过拟合的手段 D: C4.5算法没有剪枝操作
- 决策树的剪枝是为了防止树的过拟合，增强其泛化能力。包括预剪枝和后剪枝。（ ）
- 决策树中，先剪枝和后剪枝都可以降低过拟合风险，使决策树的泛化性能提升。
- 关于对决策树进行剪枝的说法中正确的是（） A: 先剪枝和后剪枝都可以降低决策树的过拟合风险 B: 后剪枝决策树的训练时间会比先剪枝决策树和未剪枝决策树长很多 C: 先剪枝和后剪枝都是利用验证集精度来判断是否剪枝的 D: 一般来说，后剪枝要比先剪枝的效果好很多
内容
- 0
下列关于决策树剪枝的论述不正确的是 A: 决策树剪枝主要是防止欠拟合 B: 决策树算法会产生层数太多，节点数过多的树，因此需要对树进行剪枝处理 C: 预剪枝会依据节点的不纯度设置阈值从而决定是否分裂 D: 后剪枝使用自定义的整体损失函数衡量决策树的优劣，对比剪枝前后的决策树决定是否实施剪枝操作
- 1
下面有关决策树剪枝的说法错误的是？ A: 决策树剪枝的目的是为了减少训练过程的过拟合，从而提升决策树模型的准确性。 B: 决策树剪枝可以放在决策树的构造过程（预剪枝），也可以等决策树模型全部建立后再做（后剪枝）。 C: 决策树剪枝的依据是看某层某个非叶节点转换成叶节点后，训练样本集的检验准确度是否提升。 D: 决策树剪枝符合Occam剃刀原理（即机器学习模型越简单越好）。
- 2
决策树学习算法主要包括①决策树的生成、②决策树的剪枝、③特征选择等3个部分，3个部分顺序正确的是（ ） A: ①②③ B: ③①② C: ③②① D: ②①③
- 3
后剪枝决策树通常比预剪枝决策树保留了更多的分支。一般情形下，后剪枝决策树的欠拟合风险很小，泛化性能往往优于预剪枝决策树。（ ）
- 4
以下有关决策树剪枝正确的说法是（） A: 预剪枝是在节点分枝前确定是否要继续树增长，可以比较分枝前后的准确率确定。 B: 预剪枝可能导致欠拟合，因此要通过训练样本检验确定合适的树深度。 C: C4.5算法可以处理回归问题。 D: C4.5决策树的目标函数是信息增益。