对于这个答案，我将使用一个不同的树构建包partykit，只是因为我更习惯它。

jogging <- read.table(header = TRUE, text = "WEATHER   JOGGED_YESTERDAY   CLASSIFICATION
C          N                  +
W          Y                  -
Y          Y                  -
C          Y                  -
Y          N                  -
W          Y                  -
C          N                  -
W          N                  +
C          Y                  -
W          Y                  +
W          N                  +
C          N                  +
Y          N                  -
W          Y                  -",
                      stringsAsFactors = TRUE)

library(partykit)
ctree(CLASSIFICATION ~ WEATHER + JOGGED_YESTERDAY, data = jogging, 
      minsplit = 1, minbucket = 1, mincriterion = 0) |> plot()

这将打印以下树：

这是一个使用了多达三个级别的拆分但仍然找不到完美拟合的树。第一个拆分的p值为.2，表明即使是第一个拆分也没有足够的数据来证明其合理性。更不用说那些跟随它的人了。这是一棵很可能大量过度拟合数据的树，过度拟合是不好的。这就是为什么通常的树算法都有防止过拟合的措施，在您的情况下，这就禁止了树的生长。
简而言之：你没有足够的数据，一直预测-是分类树所能做的最合理的事情。