決定木(Decision Tree)は、「このfeatureがX以上か?」という質問を上から順に繰り返してデータを分け、最後の葉(leaf)で予測値を出す分類・回帰モデルです。構造が人間が読むif-else文とほぼ同じで、解釈性が非常に高いのが特徴です。

Breimanらの1984年CARTアルゴリズムが代表的な古典で、単独で使うと過学習しやすいですが、Random Forest・XGBoostのように複数のツリーをまとめてアンサンブルすると強力なモデルになります。LLM時代でも「なぜそう判断したか説明が必要な」医療・法律・信用審査では、ディープラーニングよりむしろ選好されるケースが多いです。

MLでの位置はF0記事を参照。

→ scikit-learn公式ドキュメント: Decision Trees · scikit-learn