拟合不足 由于属性预测太少,决策树生长不足,导致训练集和预测及的误差均偏大。 过拟合 过拟合指训练误差较小,但测试集误差较大,即模型的泛化能力差,对未知样本预测误差较大,形成过拟合。 形成过拟合的原因有: 缺乏代表性样本 训练集样本规模过小 模型的复杂度过高