Nauka drzewa decyzyjnego wykorzystuje model predykcyjny z gałęziami informacyjnymi podobnymi do drzewa, aby zebrać założenia i ocenić wartość elementu. System służy do uczenia maszynowego, statystyk i eksploracji danych. Drzewa decyzyjne są również znane jako drzewa regresji lub klasyfikacyjne, w zależności od celu, w jakim są używane.
Proces uczenia się drzewa decyzyjnego obejmuje przechodzenie od gałęzi do gałęzi informacji. Po dotarciu do każdego elementu, czy to przez komputer, czy przez osobę, należy ustalić, czy dotyczy on elementu docelowego. Po zbadaniu każdej gałęzi odpowiedzi można wykorzystać do określenia wartości.
Zasadniczo uczenie się drzewa decyzyjnego to proces odpowiadania na pytania. Każda odpowiedź posuwa proces do przodu, aż będzie wystarczająco dużo informacji, aby podjąć decyzję. Na przykład proste drzewo może zacząć od pytania, który z dwóch przedmiotów kupić. Jedno pytanie może dotyczyć użyteczności przedmiotu, a inne pytanie, czy jeden przedmiot ma lepszą cenę niż drugi. Zadając wszystkie te pytania, zazwyczaj można określić, które działanie jest statystycznie korzystniejsze.
Nauka drzewa decyzyjnego obejmuje również podkategorie. Odpowiedź na jedno pytanie może prowadzić do drugiego. Może to spowodować, że niektóre gałęzie będą miały wiele podgałęzi, podczas gdy inne będą mniej skomplikowane, ponieważ odpowiedź na pytanie jest łatwa. Realizacja procesu w ten sposób umożliwia użytkownikowi opracowanie bardziej szczegółowej oceny przedmiotu.
Innym możliwym zastosowaniem uczenia drzewa decyzyjnego jest kategoryzacja. Zamiast tego, aby każde pytanie prowadziło do jednej decyzji, zbiór informacji jest podzielony na różne obszary w oparciu o odpowiedź dla każdej branży. Gdy wszystkie gałęzie zostaną skategoryzowane, ten sam proces można uruchomić dla każdej kategorii.
Nauka drzewa decyzyjnego zwykle przebiega od najwyższego poziomu w dół. Nie ma tendencji do cofania się. Po uzyskaniu pełnej odpowiedzi na pytanie zwykle nie ma potrzeby odwoływania się do niego ponownie, dopóki wyniki nie zostaną skompilowane.
Wyniki uczenia się drzewa decyzyjnego można wyrazić na różne sposoby. Mogą być odpowiedzią na pytanie „tak” lub „nie” lub liczbą, taką jak cena lub okres czasu. Wyniki mogą również ujawnić tożsamość określonego obiektu, a tym samym nazwać klasę, do której należy.