1、偏差：偏差是模型对目标变量的预测与真实值之间的差异。修剪决策树可以增加模型的偏差。当决策树进行修剪时，树的规模变小，剪掉一些分支节点和叶节点，可能会导致模型丧失一部分复杂性和灵活性，从而增加了模型对数据的整体拟合程度不足的风险。

2、方差：方差是模型在不同训练集上的预测结果的变化程度。修剪决策树可以减少模型的方差。通过减少决策树的深度和规模，修剪可以降低模型在训练数据中的过拟合程度，减小对训练数据的过度拟合，从而提高了模型的泛化能力，减少了模型在新数据上的预测变异。