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
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。
為什麼答案是 D
有誤。D描述的其實是「預剪枝(pre-pruning)」的邏輯，而「事後修剪(post-pruning)」是先長出完整決策樹後再回頭剪去過於複雜的分支，是抑制overfitting的主要有效方法之一，並非「無法避免」。
考點：overfitting定義考點：泛化能力考點：簡單模型防overfitting考點：post-pruning誤解
