Machine learning 如何计算决策树的泛化错误率

我正在做《数据挖掘导论》的练习，并被困在关于决策树的以下问题上：

训练

测试

决策树

这个问题要求我使用乐观和悲观的方法计算泛化错误率，答案分别为0.3和0.5。 它们与我的答案0.5和0.7完全不同。根据我的计算，实例3、7、8、9、10是错误分类。 我在谷歌上搜索了很多文档，但都没有解释原因，只是显示了3/10=0.3。

---

请告诉我我犯了什么错误，谢谢

你搞错了，错误的分类是：

• 训练中：3、5、6
• 测试中：12、13、14、15

您的决策树是：

• 返回+iff（非a和非b）或（a和c）

因此，例如对于3：

---

A=0 B=1 C=0 class=+，你的DT返回-作为A=0和B=1，我认为你的答案是正确的，解决方案手册的答案是错误的，你在这里复制树时出错-在我的书中，叶节点标签从左到右读，+，-，+，-。使用叶节点+、-、-、+的树确实会分别导致乐观和悲观错误估计的30%和50%

使用叶节点+、-、+、-，错误率确实是50%和70%。

您的答案是正确的。 它是“+”iff（非A&非B）| |（A&非C）