machine-learning - 决策树：细化

Question

当涉及到决策树时，我在理解细化的概念时遇到了问题。

如果决策树D2是树D1的细化，这是否自动暗示 D2 和 D1 的所有分类都是相同的？也就是说，为了详细说明一棵树，我是否需要确保 D1 遵循更一般的关系？

Answer 1

ML 中“一般”的最常见解释是训练模型在测试数据上的表现如何。

假设：D2 是过拟合树 D1 的修剪树

依据：根据您的陈述“D2 是树 Dl 的详细说明”

重新格式化的问题： 1. pruned tree (D2) 的输出和 overfit tree (D1) 的输出是否相同？

Ans : 也许取决于用例到用例。还有预测能力，在某些情况下，修剪过的树可能具有更好的预测能力，而在其他情况下，过拟合树可能会产生更好的结果。

2. 对于您问题的第二部分，其他人可以回答:)。