1，rpart没有自带剪枝功能，需要你根据准则进行判断，这里是SE准则和cp准则。
2，使用prune进行剪枝，命令：
library(DMwR)
library(rpart)
data(algae)
algae <- algae[-manyNAs(algae), ]
rt.a1 <- rpart(a1 ~ .,data=algae[,1:12])
rt.a1
rt2.a1 <- prune(rt.a1,cp=0.0278)
rt2.a1
(Prune a tree-based model using the SE rule，se is       
the value of the SE threshold (defaulting to 1))
根据cp准则选取xerror最小值
或者
set.seed(1234)
rt.a1 <- rpartXse(a1 ~ .,data=algae[,1:12])
rt.a1
根据se准则选取xerror小于xerror+xstd(help(prune))
3，cp is the Complexity parameter to which the rpart object will be trimmed)
printcp(rt.a1)

谢谢指点～
关于prune的cp选择不是很理解hubifeng兄所说的
一种方法是根据1se rule 对么？
我理解1se rule 应该就是选择xstd最小的，你说的xerror小于xerror+xstd这个不太明白

另一个是使用cp准则么？这个也不太明白呢

或者你说的自带剪枝功能指的是它的先剪枝？
如果是的话，先剪枝是通过指定决策树的最大深度、最小样本量、cp值，（rpart()函数的三个参数(cp、minsplit、maxdepth)确定）进行的。