決定木は高速に解釈しやすいモデルを導出できるため，データマイニングの実務においてよく用いられる機械学習手法の一つである．決定木のサイズは，モデルの理解しやすさの面からは小さい方が望ましいが推定精度を重視すると一般に大きくなる傾向になる，というトレードオフが存在する．決定木のサイズを調整する方法として事前および事後の枝刈り法とその基準やパラメータが準備されているが，ユーザにとって好ましい精度及びサイズの決定木を得るためにはパラメータ調整に試行錯誤が必要となる．また，各ノードでの枝刈りについて判断する際に構築された決定木が訓練データをどこまで学習できているのかユーザには直観的に理解しにくい．この課題を解決するため，決定木のサイズと精度をユーザにとって好ましいように調整するための評価指標について検討した結果を示す.
