题目内容
（请给出正确答案）
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。
参考答案
简答题官方参考答案
（由简答题聘请的专业题库老师提供的解答）
网友提供的答案
更多“以下有关决策树剪枝正确的说法是（）”相关的问题
A、决策树可以得到对分类重要的属性，因此可以作为分类特征获取的一种方法。
B、如果要了解影响签署合同快慢的主要因素，可以使用决策树算法。
C、决策树获得的特征可以作为其他算法（例如回归算法的自变量）输入的依据。
D、决策树获得的特征是区分不同类别的最优特征。
A. 决策树是在不确定条件下进行决策的一种方法
B. 决策树和贝叶斯标准都可以用在风险的条件下决策
C. 期望利润标准就是现实主义决策标准
D. 乐观主义决策标准和保守主义者的决策标准应用于同一决策问题时的答案往往是一致的
A、随机森林是一种集成算法，可以使用CART等基学习器提高分类的性能。
B、类似装袋法的样本抽样方法，保证每棵树的学习样本集的多样性。
C、每颗树都是从属性集随机抽取一定数目的属性作为候选的特征。
D、随机森林训练后只需选择性能最好的树最为预测模型。
A、决策树越复杂，分类能力越强。
B、在性能相同的情况下，通常选择能充分利用各种属性的决策树。
C、对于某一个数据集只能生成一种决策树。
D、对于某一个数据集，可以生成多个决策树。
A. 决策树可以直观地描述决策过程
B. 决策影响图可以直观地描述决策要素之间的关系
C. 决策影响图可以直观地描述决策要素之间的关系。适合复杂的决策
D. 决策树也适合复杂的决策，决策影响图能直观地表示决策结果的计算过程
A.决策树很易懂
B.期望值方法是一种计量决策方法
C.决策树是期望值方法的一种方法
D.决策树很直观
E.采用期望值法主要是为了减少结果的不可靠性
A、分类算法一般都会遇到过拟合问题
B、决策树的过拟合可以采用剪枝方法
C、神经网络的过拟合可以采用正则化、增加测试样本的方法
D、过拟合时训练样本的检验准确度会下降
A、复杂的模型时容易发生欠拟合问题
B、神经网络不会出现过拟合问题
C、正则化方法可以减少过拟合问题
D、增加数据量不能减少过拟合问题
A、随机森林既可以做分类，也可以做回归分析。
B、与单颗决策树模型相比，随机森林不容易产生过拟合。
C、与单颗决策树相比，随机森林需要更多的特征工程。
D、随机森林模型的准确率取决于少数准确度较好的少数决策树模型。
警告：系统检测到您的账号存在安全风险
为了保护您的账号安全，请在“简答题”公众号进行验证，点击“官网服务”-“账号验证”后输入验证码“”完成验证，验证成功后方可继续查看答案！
