决策树中与错误分类率相关的查询

Question

我正在研究决策树模型。数据集与汽车有关。我在训练集中有80％的数据，在测试集中有20％的数据。该模型的摘要（基于训练数据）显示误分类率约为0.02605，其中，当我在训练集上运行该模型时，其值为0.0289，两者之间的差约为0.003。差异是否可以接受，是什么原因导致差异？我是R / statistics的新手，请分享您的反馈意见。

Answer 1

可接受的错误分类率比科学还重要。如果您的数据是从单个总体生成的，那么毫无疑问，各组之间会有一些不可避免的重叠，这会使线性分类容易出错。这并不意味着有问题。例如，如果您将信用卡费用分类为可能的欺诈与否，并且在将观察结果分类为前者的情况下，您的追索权不是太苛刻，那么从安全的角度考虑并结束交易可能是有利的。出现更多的假阳性，而不是错误分类率低。您可以1.可视化数据以识别重叠，或2.计算N * .03来识别错误分类的案例数；如果您了解要分类的内容，则可以通过这种方式评估错误分类的严重性。