决策树的深度/复杂性

Question

我使用了相同的方法/参数来创建两个决策树。树木根据各种症状的存在与否，对是否有医疗状况进行分类。有一棵树用于治疗#1，另一棵树用于治疗#2。这两棵树都是基于相同的症状，被患者评定。如果第一种医疗条件导致的树比第二种医疗条件简单得多，那么这能说明第二种医疗条件是一种更复杂的疾病吗？如果是这样的话，有谁能指出一个引用，说明树的复杂性/深度可以代表一个复杂的条件？

我分析的目的与这个问题是分开的。我正试图从我的分析中找出我能得出或提出的所有结论。是的，我想说一些关于条件A到B的复杂性的东西。什么时候条件比较复杂？当有许多症状，因为疾病是由症状诊断。如果很难诊断的话？如果症状严重的话？两种条件都有吗？不是

Answer 1

不，你不能推断。我假设你有相同的训练集，有同样的预测因子(症状)。训练集中唯一的区别是针对每个病人的二进制类标签。

较小的树的意思是：-在给定的症状下，可能更容易区分有1种症状的人和没有这种症状的人。(由于你有相同的确定性和较少的信息)这种区别似乎更难与医疗条件2，这是你必须考虑更多的症状，以确定你的分类。因此，如果条件2是一种非常轻微的情况，即使对专家来说也很难诊断，如果有人有，那么它会导致一棵深邃的树。