决策树中的根节点属性错误

Question

关于决策树，我有两个对/错陈述：

1. 在使用无噪声数据的决策树学习中，从根部错误的属性开始可能无法找到完全适合数据的树。

我的想法：我读过汤姆·米切尔（Tom Mitchell）的《机器学习》：

  

举一个极端的例子，考虑属性Date，它具有一个非常   大量可能的值（例如1979年3月4日）。如果我们要   将此属性添加到表3.2中的数据中，它将具有最高的   任何属性的信息增益。这是因为仅约会   根据训练数据完美地预测目标属性。从而，   它将被选择为根节点的决策属性   该树并导致深度为一的（相当宽的）树，   完美分类训练数据。

这使我认为选择错误的凝视功能来分割数据可能是个问题->因此语句为 TRUE 。这是正确的吗？

1. 决策树的大小是ID3及其变体的可学习性的关键因素

我的想法：如果决策树被剪短，那么它可能无法从训练数据中正确地推广，因此无法学习。换句话说，大小很重要。因此，这也是 TRUE 。这是正确的观看方式吗？

提前谢谢！