对不起，我是Rapidminer的新手，并对决策树的结果感到有些困惑。我增加了最小叶子的大小，这导致决策树的可读性更小，但是准确性下降了2％。我被要求解释原因，但是我对于如何使用一棵更好的树却缺乏准确性的数据感到困惑。
任何帮助我们都非常感谢。
尼尔。
答案 0 :(得分：0)
增加最小叶子的大小会阻止非常特殊的叶子，这只能“匹配”很少的示例。通常这样做是为了防止过度拟合，过度拟合的极端形式是简单地以100％的精度再现训练数据。尽管如此，您仍希望使模型在真实的新数据上更强大。因此，根据估算精度的方式，在强制算法创建更通用的模型时，预计精度会有所下降。
此外，在谈论“更具可读性”的树时，请勿尝试单独解释节点。不要假设根节点中的属性是最重要的属性。它始终是通往叶子的属性的组合。