决策树剪枝：预剪枝、后剪枝预剪枝（ Pre-Pruning ）后剪枝 ( Post-Pruning ）总结
一棵完全生长的决策树会面临一个很严重的问题，即过拟合。当模型过拟合进行预测时，在测试集上的效果将会很差。因此我们需要对决策树进行剪枝， 剪掉一些枝叶，提升模型的泛化能力。决策树的剪枝通常有两种方法，预剪枝（ Pre-Pruning ）和后剪枝( Post-Pruning ）。预剪枝（ Pre-Pruning ）预剪枝 ， 即在生成决策树的过程中提前停止树的增长。核心思想是在树中结点进行扩展之前，先计算当前的划分是否能带来模型泛化能力的提升，如果不能，则不再继续生长子树。此时可能存在不同类别的样本
