AB都是常用的防止决策树模型过拟合的方法。

正确答案是：A: 利用修剪法来限制树的深度。

### 专业分析：

决策树是一种常用的机器学习算法，但它在训练过程中容易出现过拟合（Overfitting）的问题，即模型在训练数据上表现很好，但在新数据上表现较差。这是因为决策树可以无限制地生长，捕捉到训练数据中的噪音和细节，从而失去泛化能力。

为了避免过拟合，可以采用以下几种方法：

1. **利用修剪法来限制树的深度**（选项A）：修剪（Pruning）是控制决策树复杂度的一种有效方法。修剪可以分为预剪枝和后剪枝：

- **预剪枝（Pre-pruning）**：在树的生成过程中，通过设置参数（如最大深度、最小样本分裂数、最小叶子节点数等）来提前停止树的生长。
- **后剪枝（Post-pruning）**：在树生成后，通过剪掉一些不重要的节点来简化树结构。

2. **利用盆栽法规定每个节点下的最小的记录数目**（选项B）：这个选项实际上是预剪枝的一种具体实现方式，即通过设置每个节点必须包含的最小样本数来限制树的生长。这可以有效地防止过拟合，但通常不单独使用，而是与其他方法结合使用。

3. **利用逐步回归法来删除部分数据**（选项C）：逐步回归法通常用于线性回归模型中，不适用于决策树模型。因此，这个选项不正确。

4. **目前并无适合的方法来处理这问题**（选项D）：这是错误的说法。实际上，有多种方法可以有效地防止决策树过拟合，如修剪、设置最小样本分裂数、最大深度等。

综上所述，选项A是最为合适的答案，因为利用修剪法来限制树的深度是防止决策树过拟合的主要方法之一。