결정 트리: 학습 내용 확인하기
컬렉션을 사용해 정리하기
내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.
이 페이지에서는 '오버피팅 및 프루닝' 단원에서 다룬 자료에 관한 일련의 객관식 연습문제를 풀어 봅니다.
질문 1
의사결정 트리의 리프당 최소 예시 수를 늘리면 어떤 두 가지 효과가 있을 수 있나요?
결정 트리의 크기가 줄어듭니다.
잘하셨습니다.
의사결정 트리의 구조가 완전히 달라질 수 있습니다.
결정 트리의 구조는 거의 변경되지 않습니다.
잘하셨습니다.
질문 2
오버핏이 있는 것으로 알려진 모델에서 오버핏을 줄일 수 있는 작업 (예: 테스트 데이터 세트에서 평가)
달리 명시되지 않는 한 이 페이지의 콘텐츠에는 Creative Commons Attribution 4.0 라이선스에 따라 라이선스가 부여되며, 코드 샘플에는 Apache 2.0 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 Google Developers 사이트 정책을 참조하세요. 자바는 Oracle 및/또는 Oracle 계열사의 등록 상표입니다.
최종 업데이트: 2025-02-25(UTC)
[null,null,["최종 업데이트: 2025-02-25(UTC)"],[[["\u003cp\u003eThis page provides multiple-choice exercises focused on overfitting and pruning in decision trees.\u003c/p\u003e\n"],["\u003cp\u003eThe exercises cover topics like the impact of leaf size on tree structure and techniques to reduce overfitting in decision tree models.\u003c/p\u003e\n"]]],[],null,["# Decision trees: Check your understanding\n\n\u003cbr /\u003e\n\nThis page challenges you to answer a series of multiple choice exercises\nabout the material discussed in the \"Overfitting and pruning\" unit.\n\nQuestion 1\n----------\n\nWhat are the two potential effects of increasing the minimum number of examples per leaf in a decision tree? \nThe size of the decision tree increases. \nThe size of the decision tree decreases. \nWell done. \nThe structure of the decision tree can completely change. \nThe structure of the decision tree remains mostly unchanged. \nWell done.\n\nQuestion 2\n----------\n\nWhat operations can reduce overfitting in a model known to be overfitted (for example, by evaluating it on a test dataset). \nIncrease the maximum depth. \nDecrease the maximum depth. \nIncrease the minimum number of observations in the leaves. \nDecrease the minimum number of observations in the leaves. \nIncrease the minimum gain of a new node. \nDecrease the minimum gain of a new node."]]
