以下决策树说法错误的是哪个（）
A: 决策树的过拟合时因为树的深度比较大引起，因此可以限制分支的最小样本数或控制树的深度解决。
B: 决策树中没有出现的属性是对分类无用的。
C: 相对于神经网络，决策树可解释性好，而且训练效率高。
D: 决策树算法对样本的噪声非常敏感，少数噪声可能引起决策树的很大变化。
A: 决策树的过拟合时因为树的深度比较大引起，因此可以限制分支的最小样本数或控制树的深度解决。
B: 决策树中没有出现的属性是对分类无用的。
C: 相对于神经网络，决策树可解释性好，而且训练效率高。
D: 决策树算法对样本的噪声非常敏感，少数噪声可能引起决策树的很大变化。
举一反三
- 决策树法是用树型图的形式进行决策的方法。决策树的构成要素包括()。 A: 决策点 B: 方案枝 C: 状态点 D: 状态枝
- 关于决策树的叙述中，错误的是（） A: 决策树就是利用树型模型来描述决策分析问题，并直接在决策树图上进行决策分析的一种方法 B: 在决策树中，节点包括决策节点、状态节点和结果节点 C: 在决策树中，决策准则只能是益损期望值 D: 需要经过多级决策才能完成的决策，可以用多级决策树来表示
- 决策树法是用树型图的形式进行决策的方法。决策树的构成要素包括（） A: 决策结点 B: 方案枝 C: 状态结点 D: 概率枝 E: 结果点
- 有关决策树的说法哪个是错误的？（ ） A: 可以转化为决策规则 B: 对新样本起到分类预测的作用 C: 决策树的深度越大越好 D: 决策树的算法和神经网络的原理不一样
- 想在大数据集上训练决策树,为了使用较少时间,可以()。 A: 增加树的深度 B: 增加学习率 C: 减少树的深度 D: 减少树的数量