Michael2019-05-03 22:53:08

学员你好，
1、决策树属于将数据分类的一种方法。在样本量比较小的时候，分类的方法可以非常多，并且不同的方法最终形成的结果却可以相同。
比如一个屋子2个人，一男一女，需要提供方法将男女区分开来，你可以按照年龄、身高、体重、星座……好多方法都可以做到。但是如果一个屋子100人，50男50女，那么要将男女分开来的话，对应的方法一定会减少，比如不能单纯看年龄等等。这就是决策树要想一个通用的分类方法最好是大样本数据的原因。
2、逻辑回归的整个模型已经建立完毕，只要求解对应的参数即可。就像正态分布我只要知道均值和方差就行了，既然找到10个数可以求出均值和方差，找到100个数也是求出相同的均值和方差，那么就没有必要找100个数，逻辑回归亦是同理。不仅如此，更大的样本意味着更多的outlier，更多的noise，使得参数的求解反而误差更大，所以小样本更加合适。