꿈라CBT의사결정나무의 가지치기(Pruning)에 대한 설명으로 가장 적절하지 않은 것은?
- 1나무를 충분히 키운 뒤 기여가 크지 않은 가지를 잘라내어 모형의 복잡도를 낮추는 절차이다.
- 2가지치기의 목적은 학습 데이터에 대한 정확도를 최대한 끌어올리는 데 있다.
- 3가지치기를 적용하면 학습 데이터에 대한 정확도는 다소 낮아질 수 있으나, 새로운 데이터에 대한 성능은 오히려 좋아질 수 있다.
- 4가지치기의 수준은 학습에 사용하지 않은 검증 데이터의 성능을 기준으로 결정하는 것이 일반적이다.