阅读《数据挖掘算法与clementine实践》的决策树部分有些地方不太清楚：
1）决策树的交叉验证。是将训练数据平均分成k份，然后建立k个决策树，对任意一个决策树，验证另外k-1份数据，得到k-1个误差，然后求和，比较k颗树的误差，取最小的那个树么？
2）标准验证技术 和 交叉验证的区别是什么？标准验证是交叉验证的过程中的一部分，还是独立于交叉验证的修剪方法呢？
3）代价复杂度=分类损失+elf*叶节点数量；不明白，等式右边的两项类别不同，相加的意义何在？是经验公式么？elf的一般取值是多少呢？
坐等高手解答……