决策树分类的主要包括（ ）
A: 对数据源进行OLAP, 得到训练集和测试集；
B: 对训练集进行训练；
C: 对初始决策树进行树剪枝；
D: 由所得到的决策树提取分类规则；
E: 使用测试数据集进行预测，评估决策树模型；
A: 对数据源进行OLAP, 得到训练集和测试集；
B: 对训练集进行训练；
C: 对初始决策树进行树剪枝；
D: 由所得到的决策树提取分类规则；
E: 使用测试数据集进行预测，评估决策树模型；
举一反三
- 采用悲观剪枝方法对决策树进行剪枝时,要先将数据分为训练集和测试集两部分。<br/>()
- 关于决策树的说法中正确的是（ ） A: 决策树算法的基础是二叉树，但不是所有的决策树都是二叉树，还有可能是多叉树 B: 常见的决策树剪枝有先剪枝和后剪枝 C: 决策树使用训练数据集进行预测，通过结果比对评估决策树模型 D: 决策树中包含根节点、分裂节点和叶节点
- 评估模型的分类预测准确率，使用()进行评估。 A: 验证数据集 B: 训练数据集 C: 测试数据集 D: 未知数据
- 下列哪一种情况被称为过学习现象： A: 在训练集上A优于B，在测试集上A也优于B B: 在训练集上A优于B，在测试集上B优于A C: 相对于分类数据集，决策树过于简单 D: 在训练集上决策树的误差很小
- 想在大数据集上训练决策树,为了使用较少时间,可以()。 A: 增加树的深度 B: 增加学习率 C: 减少树的深度 D: 减少树的数量