解説

決定木は特徴量を条件分岐で評価しながら葉ノードまで到達し、その結果として分類や回帰を行います。分岐の流れを人間が確認しやすく、説明性が高いことが特徴です。一方で、クラスタリング専用ではなく教師あり学習として利用されます。また、ニューラルネットワークより常に高精度という保証もありません。さらに、判断根拠が可視化できる点はブラックボックスになりやすい深層学習との違いとして試験でもよく問われます。