机器学习，决策树，剪枝。决策树剪枝可以简化树结构，避免模型出现过拟合问题，而尽量向泛化靠拢。剪枝分预剪枝、后剪枝。预剪枝在模型训练时就指定树的层数、节点分枝样本数条件，从而训练时就减少树的结构复杂性。后剪枝是训练完成，再去掉节点，简化树结构。预剪枝好处是降低训练计算量，但可能存在欠拟合情况，后剪枝完成了遍历后生成模型，计算量大但充分进行了样本处理，结果更接近模型泛化。