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：
决策树在训练过程中容易出现过拟合的问题，即模型在训练数据上表现很好，但在测试数据上表现较差。为了避免这种情况，可以采取以下措施：

1. **修剪（Pruning）**：修剪方法可以分为预剪枝（Pre-pruning）和后剪枝（Post-pruning）。预剪枝是在树生成过程中，通过设置条件（如最大深度、最小样本数等）提前停止树的生长；后剪枝则是在树完全生成之后，通过剪掉一些不重要的节点来简化模型。修剪可以有效减少模型复杂度，避免过拟合。

2. **设置树的深度**：通过限制树的最大深度，可以防止树过度生长，从而减少过拟合的风险。这是预剪枝的一种常用方法。

3. **设置最小样本数**：规定每个节点下的最小样本数，可以防止生成只有少数样本的叶节点，从而提高模型的泛化能力。

选项B提到的“盆栽法”并不是一个标准的术语，但它所描述的方法实际上是通过设置每个节点下的最小记录数目来控制树的生长，这也是一种预剪枝的方法。

选项C中的逐步回归法（Stepwise Regression）通常用于线性回归模型，不适用于决策树。

综上所述，选项A是最直接和常用的方法来避免决策树过拟合的问题。