Por padrão, o Minitab Statistical Software produz resultados para a menor árvore com um valor de critério dentro de um erro padrão do melhor valor. O critério é o erro mínimo quadrado ou o desvio absoluto mínimo, dependendo da sua escolha. O Minitab permite explorar outras árvores na sequência que levou à identificação da árvore ótima. Normalmente, você seleciona uma árvore alternativa por uma das duas razões a seguir:
- A árvore que o Minitab seleciona faz parte de um padrão em que o critério melhora. Uma ou mais árvores que têm mais alguns nós fazem parte do mesmo padrão. Normalmente, é aconselhável fazer predições de uma árvore com o máximo de exatidão de predição possível.
- A árvore que o Minitab seleciona faz parte de um padrão em que o critério é relativamente plano. Uma ou mais árvores com estatística semelhantes de sumário do modelo têm muito menos nós do que a árvore ótima. Normalmente, uma árvore com menos nós terminais proporciona uma visão mais clara de como cada variável preditora afeta os valores de resposta. Uma árvore menor também facilita a identificação de alguns grupos-alvo para a realização de estudos adicionais. Se a diferença na exatidão da predição para uma árvore menor for insignificante, você também pode usar a árvore menor para avaliar as relações entre a resposta e as variáveis preditoras
Por exemplo, o gráfico a seguir acompanha os resultados da árvore com 21 nós. Outras árvores na sequência têm valores de R
2 semelhantes.

A árvore de 17 nós tem um valor de R
2 quase tão alto quanto a árvore de 21 nós. Normalmente, uma árvore com menos nós terminais proporciona uma visão mais clara de como cada variável preditora afeta os valores de resposta. Uma árvore menor também facilita a identificação de alguns grupos-alvo para a realização de estudos adicionais. Se a redução na exatidão da predição para uma árvore muito menor for insignificante, você pode usar a árvore muito menor para avaliar as relações entre a resposta e as variáveis preditoras.

Além dos valores de critério para árvores alternativas, você também pode comparar a complexidade das árvores e a utilidade de nós diferentes. Considere os seguintes exemplos de razões pelas quais um analista escolhe uma determinada árvore que não sacrifica o desempenho quando comparada a outras árvores:
- O analista escolhe uma árvore menor que proporciona uma visão mais clara das variáveis mais importantes.
- A análise escolhe uma árvore porque as divisões estão em variáveis mais fáceis de serem medidas do que as variáveis em outra árvore.
- O analista escolhe uma árvore porque um determinado nó terminal é de interesse.