การเรียนรู้ต้นไม้ตัดสินใจเป็นเทคนิคการเรียนรู้ของเครื่องวิธีการหนึ่งที่ใช้กันอย่างแพร่หลายในปัจจุบันเมื่อสร้างต้นไม้ตัดสินใจจากข้อมูลสอนโดยเฉพาะข้อมูลที่มีสัญญาณรบกวนนั้น ต้นไม้ตัดสินใจที่ได้อาจอิงกับข้อมูลมากเกินไป ทำให้ต้นไม้ตัดสินใจที่ได้มีขนาดใหญ่มาก และอาจใช้งานได้ไม่ดีกับข้อมูลใหม่ในอนาคตเทคนิคทั่วไปสำหรับแก้ไขการอิงกับข้อมูลมากไป ก็คือ การตัดเล็มต้นไม้ตัดสินใจ วิธีการต่าง ๆ สำหรับการตัดเล็มต้นไม้ตัดสินใจได้ถูกนำเสนอ ทุกวิธีการจะทำโดยการตัดโนดบางโนดออกจากต้นไม้เพื่อลดขนาดของต้นไม้แต่ในบางครั้งโนดที่ตัดไปนั้นอาจมีความสำคัญอยู่ หรืออาจจะมีประโยชน์ในการแยกแยะข้อมูลในอนาคต งานวิจัยนี้ได้เสนอวิธีการใหม่ ที่ให้น้ำหนักแก่โนดตามความสำคัญของโนดนั้น ๆ เรียกวิธีการนี้ว่าการตัดเล็มอย่างอ่อน ระดับความสำคัญหรือน้ำหนักของโนดหนึ่ง ๆ จะได้มาจากแบ็กพรอพาเกชันนิวรอล-เน็ตเวิร์ก ผลการทดลองกับข้อมูลทั้งหมด 20 ชุดข้อมูล เพื่อเปรียบเทียบวิธีการที่นำเสนอกับต้นไม้ตัดสินใจที่ไม่ได้ทำการตัดเล็ม และต้นไม้ตัดสินใจที่ทำการตัดเล็ม สรุปได้ว่าผลของงานวิจัยนี้ให้ให้ประสิทธิภาพที่ดีที่สุด