决策树中，先剪枝和后剪枝都可以降低过拟合风险，使决策树的泛化性能提升。
举一反三
- 决策树的剪枝是为了防止树的过拟合，增强其泛化能力。包括预剪枝和后剪枝。（ ）
- 后剪枝决策树通常比预剪枝决策树保留了更多的分支。一般情形下，后剪枝决策树的欠拟合风险很小，泛化性能往往优于预剪枝决策树。（ ）
- 关于对决策树进行剪枝的说法中正确的是（） A: 先剪枝和后剪枝都可以降低决策树的过拟合风险 B: 后剪枝决策树的训练时间会比先剪枝决策树和未剪枝决策树长很多 C: 先剪枝和后剪枝都是利用验证集精度来判断是否剪枝的 D: 一般来说，后剪枝要比先剪枝的效果好很多
- 下面有关决策树剪枝的说法错误的是() A: 决策树的深度并非越大越好 B: 决策树剪枝的目的是为了降低模型复杂度,从而避免决策树模型过拟合 C: 决策树剪枝可以放在决策树的构造过程中(预剪枝),也可以等决策树模型全部建立后再做(后剪枝) D: 决策树后剪枝的依据是看某层某个非叶子节点转换成叶子节点后, 模型在训练样本集上的准确度是否提升
- 后剪枝是在决策树生长完成之后，对树进行剪枝。