クロスバリデーションと決定木の理解に役立つ質問する

私は決定木とクロス検証について読んでいて、両方の概念を理解しています。しかし、決定木に関連するクロス検証を理解するのに苦労しています。基本的に、クロス検証は、データセットが比較的小さい場合に、トレーニングとテストを交互に行うことで、エラー推定を最大化できるようにします。非常に単純なアルゴリズムは次のようになります。

1. 折りたい数を決める（k）
2. データセットをk個のフォールドに分割する
3. トレーニング セットに k-1 フォールドを使用してツリーを構築します。
4. テスト セットを使用して、ツリー内のエラーに関する統計を推定します。
5. 結果を後で保存する
6. テスト セットの別のフォールドを除いて、手順 3 ～ 6 を k 回繰り返します。
7. 反復全体のエラーを平均して全体のエラーを予測する

私が理解できない問題は、最終的に k 個の決定木が作成され、それらはすべて同じ方法で分割されない可能性があるため、わずかに異なる可能性があることです。どの木を選択しますか? 私が考えた 1 つのアイデアは、エラーが最小限のツリーを選択することです (ただし、与えられたフォールドで最高のパフォーマンスを発揮するだけで、最適になるわけではありません。階層化を使用すると役立つかもしれませんが、私が読んだものはすべて、少ししか役に立たないと述べています)。

私が理解しているクロス検証のポイントは、後でプルーニングに使用できるノード統計を計算することです。したがって、実際には、ツリー内の各ノードには、与えられたテスト セットに基づいて計算された統計があります。重要なのは、ノード統計ですが、エラーを平均化する場合です。各ツリーが分割の選択などによって異なる可能性がある場合、k 個のツリー全体の各ノード内でこれらの統計をどのようにマージしますか。

各反復で全体的なエラーを計算する意味は何でしょうか? これはプルーニング中に使用できるものではありません。

この小さな問題に関して、どんな助けでもいただければ幸いです。