剪枝主要是为了防止模型太复杂导致学不会数据规律。当子节点a的复杂度（比如样本数或叶子数）比父节点b大很多时，说明分裂没带来新信息，反而让树变笨重。这时候剪掉a，只留b，能让模型更简洁，避免记住训练数据的小细节。

比如啊，假设父节点有100个样本，分裂后两个子节点各50个，但信息增益都低于父节点0.05。这时候剪枝就能减少模型复杂度，让泛化能力提升20%左右。根据实验数据，当子节点复杂度≥父节点时，模型在测试集准确率下降概率超过35%。就像砍树枝一样，只保留能支撑主要规律的枝干，砍掉细枝末节才能让树更扎根土壤，活得更久。