決定木
けっていぎ
Decision Tree
類語・同義語: デシジョンツリー
決定木（デシジョンツリー）とは、データを分類したり値を予測したりするための、木構造（ツリー状）のアルゴリズムモデルである。「気温が30度以上か？」といった質問（分岐条件）を繰り返すことで、最終的な結論（葉ノード）に到達する。人間にとって判断のプロセスが理解しやすく（解釈性が高い）、ビジネスの意思決定や要因分析にも頻繁に利用される。ただし、単体では過学習しやすいため、ランダムフォレストなどのアンサンブル学習のベースとして使われることが多い。
最終更新: 2026/1/18
分岐する樹形図
データを「YES/NO」などの条件で次々と分割していき、最終的な予測や分類を行う機械学習モデル。
- 例: 「30歳以上か？(Yes/No)」→「年収500万以上か？(Yes/No)」→「購入する確率80%」。
- メリット: 人間にとって「なぜそういう結論になったか」のプロセスが視覚的に分かりやすい（解釈性が高い）。 ランダムフォレストや勾配ブースティングなど、強力なAI手法の基礎となっている。
由来・語源
意思決定（Decision）のプロセスを樹木（Tree）のような構造図で表すことから。
使用例
顧客の解約要因を分析するために決定木を用い、どの条件が離脱に最も寄与しているかを可視化した。
関連用語
- 同義語: デシジョンツリー
- 関連: ランダムフォレスト, 勾配ブースティング, XAI