國營聯招 統計資訊統計學、巨量資料概論104 年第 37 題單選題考點：overfitting定義考點：泛化能力
透過統計學習方法論，我們希望找出一個決策樹資料分類器以避免資料分類時的過度解讀(overfitting)，請問對於資料過度解讀的現象，下列何者有誤？
A決策樹分類器對於訓練資料集過度解讀，可以提高對於訓練資料集分類結果的準確率
B過度解讀對於測試資料的分類判斷結果其準確率很低
C我們可以用簡單決策樹分類器模型，來避免產生訓練資料集過度解讀的現象
D當每一次納入新的特徵值來成長決策樹結構時，當新增特徵值對於訓練資料集無法產生有效分類就該停止，因此用事後修剪決策樹的方法將無法避免資料過度解讀正確答案
D正確答案
Overfitting（過度解讀）使訓練集準確率高但測試集低；避免方法包含簡單模型與「事後修剪」(post-pruning)，D選項誤判修剪效果。
逐選項解析
A決策樹分類器對於訓練資料集過度解讀，可以提高對於訓練資料集分類結果的準確率overfitting定義✕ 錯誤
正確敘述。overfitting的定義之一就是模型過度擬合訓練資料，使訓練集準確率偏高，但失去泛化能力。
B過度解讀對於測試資料的分類判斷結果其準確率很低泛化能力✕ 錯誤
正確敘述。過度解讀的模型泛化能力差，對測試集（未見過資料）的分類準確率會顯著下降。
C我們可以用簡單決策樹分類器模型，來避免產生訓練資料集過度解讀的現象✕ 錯誤
D當每一次納入新的特徵值來成長決策樹結構時，當新增特徵值對於訓練資料集無法產生有效分類就該停止，因此用事後修剪決策樹的方法將無法避免資料過度解讀✓ 正確
立即註冊,看完整詳解
這題的完整詳解,註冊就能看 · 每天 2 題免費
- 完整逐選項解析
- 秒殺解題技巧與破題關鍵
- 關鍵知識表整理
- 陷阱與易錯提醒
- 同考點歷屆題庫連續刷題與錯題本
