这是计划要做的事情。设置叶节点或拆分所需的最小样本数以及设置树的最大深度是您想要解决此问题的方法。

我在 Sklearn 的 CART（分类）模型上执行了成本复杂性修剪算法，

我在 Sklearn 的 CART（回归）模型上执行了错误复杂度修剪算法。

它可以在这里找到。

sklearn 关于您的问题的相关问题是here。

看看 sklearn 的 0.22 开发版。看起来树修剪将在下一个版本中实现。

https://scikit-learn.org/dev/whats_new.html部分 sklearn.tree