50. 分析台灣各城市居民健康資料時，分析師使用決策樹以預測 心血管疾病風險。考慮運用決策樹處理分類問題的特點，請問下列哪一項最可能是錯誤的？
(A) 決策樹能夠自動捕捉特徵間的非線性關係
(B) 決策樹不需要預先對數據進行標準化或正規化等處理
(C) 決策樹算法容許資料集中有遺缺值
(D) 決策樹模型的可解釋性不高

答案：登入後查看
統計： A(1), B(2), C(2), D(17), E(0) #3323480

詳解 (共 1 筆)

#6329861

分析決策樹（Decision Tree）在分類問題中的特性

決策樹是一種監督式學習的模型，適用於 分類（Classification） 和 迴歸（Regression） 問題。決策樹基於一系列條件判斷來劃分數據，使其具有高度的可解釋性，並且能夠捕捉非線性關係。

分析選項

  • (A) 決策樹能夠自動捕捉特徵間的非線性關係

    • ✅ 正確，決策樹可以通過分層條件判斷來適應非線性關係，不像線性模型（如羅吉斯迴歸）需要數據具有線性可分性。

  • (B) 決策樹不需要預先對數據進行標準化或正規化等處理

    • ✅ 正確，與支援向量機（SVM）或 KNN 不同，決策樹不受數據尺度影響，不需要標準化（Standardization）或正規化（Normalization）。

  • (C) 決策樹算法容許資料集中有遺缺值

    • ✅ 正確，決策樹可以使用某些策略（如基於其他樣本的中位數/眾數填補，或根據特徵的重要性選擇替代值）來處理缺失值。

  • (D) 決策樹模型的可解釋性不高

    • ❌ 錯誤，決策樹的可解釋性非常高，因為它可以視覺化成樹狀結構，讓使用者能夠清楚理解決策過程。例如：「如果 BMI > 30，且血壓高，則有較高風險」這樣的邏輯非常直觀。

正確答案：

✅ (D) 決策樹模型的可解釋性不高（錯誤的說法，因為決策樹具有高度的可解釋性）

0
0