目前關(guān)于決策樹(shù)剪枝優(yōu)化方面的研究主要集中于預(yù)剪枝和后剪枝算法。然而，這些剪枝算法通常作用于傳統(tǒng)的決策樹(shù)分類算法，在代價(jià)敏感學(xué)習(xí)與剪枝優(yōu)化算法相結(jié)合方面還沒(méi)有較好的研究成果。基于經(jīng)濟(jì)學(xué)中的效益成本分析理論，提出代價(jià)收益矩陣及單位代價(jià)收益等相關(guān)概念，采用單位代價(jià)收益最大化原則對(duì)決策樹(shù)葉節(jié)點(diǎn)的類標(biāo)號(hào)進(jìn)行分配，并通過(guò)與預(yù)剪枝策略相結(jié)合，設(shè)計(jì)一種新型的決策樹(shù)剪枝算法。通過(guò)對(duì)生成的決策樹(shù)進(jìn)行單位代價(jià)收益剪枝，使其具有代價(jià)敏感性，能夠很好地解決實(shí)際問(wèn)題。實(shí)驗(yàn)結(jié)果表明，該算法能生成較小規(guī)模的決策樹(shù)，且與REP、EBP算法相比具有較好的分類效果。