甲銀行採用決策樹預測貸款是否可能違約，對決策樹進行剪枝（pruning），亦即停止決策樹的分枝。下列何者為剪枝之目的？
A提高預測準確度
B降低過度配適
C簡化模型複雜度
D以上皆正確正確答案
答案與詳解
D
正確答案
決策樹剪枝有三大目的：提高準確度、避免過擬合、簡化模型，三者兼具。
為什麼答案是 D
剪枝的三大效益：提高準確度、降低過度配適、簡化模型複雜度，三者同時達成，故選 D。
載入中…
完整詳解
Pro · 無限重點 決策樹剪枝有三大目的：提高準確度、避免過擬合、簡化模型，三者兼具。
秒殺技巧
看到「以上皆正確」且三個選項都合理時，剪枝本來就是為了全部這些好處。逐選項分析
A✕
剪枝去除雜訊分支後，模型在測試資料上的預測準確度通常會提升，因為減少了對訓練資料的過度學習。
B✕
過度配適（overfitting）指模型過度貼合訓練資料但對新資料預測差。剪枝正是解決 overfitting 最直接的手段。
C✕
剪枝減少節點與分枝數量，模型結構變簡單，可解釋性提高、運算成本降低。
D✓ 正確
剪枝的三大效益：提高準確度、降低過度配適、簡化模型複雜度，三者同時達成，故選 D。
決策樹剪枝 (Pruning) 重點整理
| 面向 | 剪枝前 | 剪枝後 | 效益 |
|---|---|---|---|
| 模型複雜度 | 分枝繁多 | 結構精簡 | 易解釋 |
| 訓練資料表現 | 近乎完美 | 略降 | 正常現象 |
| 測試資料表現 | 較差(過擬合) | 提升 | 泛化能力佳 |
| 運算成本 | 高 | 低 | 效率提升 |
陷阱提醒
考生常以為剪枝只是「簡化模型」單一目的，忽略其核心動機其實是「降低過擬合」進而「提升準確度」。三個選項彼此相關且互為因果，故答案為 D。