O que acontece com a árvore quando há um número muito grande ou muito pequeno de objetos mínimos na folha?

A quantidade mínima de objetos numa folha (leaf) de uma árvore de decisão influencia a estrutura e a qualidade do modelo:

• Quantidade muito grande de objetos na folha:

  • A árvore será menos profunda, pois os nós não serão divididos até conterem objetos suficientes.
  • O modelo será mais simples, com menos folhas.
  • Pode ocorrer subajuste (underfitting), pois a árvore não conseguirá capturar dependências complexas.

• Quantidade muito pequena de objetos na folha:

  • A árvore será muito profunda e ramificada.
  • O modelo pode ajustar-se excessivamente (overfitting), adaptando-se ao ruído nos dados.
  • O tempo de treino e previsão aumenta.

Assim, a escolha da quantidade mínima de objetos na folha é um equilíbrio entre a complexidade do modelo e sua capacidade de generalização. Normalmente, esse parâmetro é ajustado empiricamente através de validação cruzada.