決定木モデルの性質

問題

決定木に関する記述として正しいものを1つ選べ。

決定木（Decision Tree）は、データの特徴に対して「Yes/No（ある閾値より大きいか小さいか）」の質問を繰り返し、樹木のように分岐していくことで分類や回帰を行うアルゴリズムです。

分岐のルールが人間にも視覚的に理解しやすいため解釈性が非常に高い（ホワイトボックスモデルである）のが特徴ですが、木を深く（複雑に）しすぎると、訓練データにだけ過剰に適合する「過学習（オーバーフィッティング）」を起こしやすいという弱点があります。

1. 決定木は深くするほど汎化性能が向上する

誤り：木を深くして条件を細かくしすぎると、訓練データのノイズまで完全に記憶してしまい過学習となるため、未知データへの対応力（汎化性能）は著しく低下します。

2. 決定木は解釈性が高いモデルである

正しい：例えば「年齢が30歳以上か」「収入が500万円以上か」のように、予測に至るまでの分岐条件のプロセスが明確で、人間が理由を説明しやすいモデルです。

3. 決定木は分類にしか使えない

誤り：カテゴリを当てる「分類木」としてだけでなく、葉（終端）のノードの平均値などを出力することで数値を予測する「回帰木」としても利用できます（総称してCARTと呼ばれます）。

4. 決定木は剪定を行うと必ず性能が悪化する

誤り：「剪定（Pruning）」は、深くなりすぎた決定木の不要な枝（分岐）を意図的に切り落とすことでモデルを単純化し、過学習を防いで汎化性能を向上させるための重要な手法です。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ