• CART剪枝算法从“完全生长”的决策树的底端减去一些子树，使决策树变小，从而能够对未知数据有更准确的预测。CART算法由两步组成：首先从生成算法产生的决策树 底端开始不断剪枝，直到 的根结点，形成一个子树序列 ；然后通过交叉验证法在独立的验证数据集上对子树序列进行测试，从中选择最优子树。
• 从整体树 开始剪枝，对 的任意内部结点t，以t为单结点树的损失函数是：，以t为根结点的子树的损失函数是：，只要:， 与t有相同的损失函数值，而t的结点少，因此t比更可取，对进行剪枝。
• 为此，对 中每一内部结点t，计算： ，它表示间之后整体损失函数减少的程度，在  中减去g(t)最小 ，将得到的子树作为 ，同时将最小的g(t)设为 。 ，如此剪枝下去，直到得到根结点。在这一过程中，不断地增加 的值。
• 在子树序列中，每棵子树 都对应于一个参数 ，通过交叉验证选取最优子树，当最优子树确定时，对应的参数也确定了，即得到最优决策树 。