Lar*_*off 15
未经修剪的树木更大.所发生的情况是,基本上树是根据实现的算法创建的,并且如果启用了修剪,则额外的步骤将查看可以移除哪些节点/分支而不会过多地影响性能.
修剪背后的想法是,除了使树更易于理解之外,还可以降低过度拟合训练数据的风险.也就是说,能够(几乎)完美地对训练数据进行分类,但没有别的因为树不是学习基础概念,而是学习了训练数据的内在和特定属性.
我想在Lars的回答中添加以下内容.取自以下链接
许多算法试图"修剪"或简化其结果.修剪产生更少,更容易解释的结果.更重要的是,修剪可以用作纠正潜在过度拟合的工具....
J48采用两种修剪方法.
第一种称为子树替换.这意味着决策树中的节点可能被叶子替换 - 基本上减少了沿某条路径的测试数量.此过程从完全形成的树的叶子开始,并向后朝向根.
J48中使用的第二种修剪方法称为子树提升.在这种情况下,节点可以向上移向树的根,沿途取代其他节点.子树提升通常对决策树模型的影响可以忽略不计.通常没有明确的方法来预测选项的效用,但如果感应过程需要很长时间,最好尝试将其关闭.这是因为子树提升在某种程度上可能是计算复杂的.