-CDA考试官方模拟题库

备考刷题，请到

CDA认证小程序

LightGBM默认采用Leaf-wise（按叶子生长）策略，而传统GBDT通常采用Level-wise（按层生长）策略。关于Leaf-wise策略的特点，下列说法正确的是：

A. Leaf-wise策略更容易生成平衡二叉树，因此预测效率更高

B. 相比Level-wise，Leaf-wise策略在相同的分裂次数下，能降低更多的损失（Loss），但也更容易过拟合

C. Leaf-wise策略无法并行化，因此训练速度通常慢于Level-wise

D. Leaf-wise策略通过限制树的最大深度（max_depth）来控制模型复杂度，而无需限制叶子节点数

上一题

下一题

题目解析

题目评论(0)

• A错误：Leaf-wise倾向于生长出很深的不平衡树。 • B正确：Leaf-wise每次选择当前所有叶子中分裂增益最大的那个节点进行分裂，不强求同一层的节点同时分裂。这使得它能更贪婪地降低Loss，但如果数据量小或不加限制，容易钻牛角尖导致过拟合。 • C错误：LightGBM支持特征并行和数据并行，生长策略不影响其并行能力。 • D错误：对于Leaf-wise，控制复杂度的核心参数是 num_leaves（叶子节点数），max_depth 只是辅助限制。