​ ​ 剪枝，是一个“用准确性换取简单性”的思想。它允许决策树对训练集过拟合，再通过删除对泛化精度无贡献的子分支，从而修剪出一颗较小的树。

作为2008年《数据挖掘十大算法》(Springer LNCS)位居榜首的分类决策树算法，C4.5具有较完备的处理流程，较全面得涵盖了决策树族算法特征。目前对于C4.5算法的简单应用较多，而本文主要总结其中的缺失值处理步骤，其余部分初略介绍。

剪枝，是一个“用准确性换取简单性”的思想。它允许决策树对训练集过拟合，再通过删除对泛化精度无贡献的子分支，从而修剪出一颗较小的树。

剪枝，是一个“用准确性换取简单性”的思想。它允许决策树对训练集过拟合，再通过删除对泛化精度无贡献的子分支，从而修剪出一颗较小的树。

剪枝，是一个“用准确性换取简单性”的思想。它允许决策树对训练集过拟合，再通过删除对泛化精度无贡献的子分支，从而修剪出一颗较小的树。