의사결정 트리(Decision Tree)는 “이 feature가 X 이상인가?” 같은 질문을 위에서부터 계속 던져 데이터를 가르고, 마지막 잎(leaf)에서 예측값을 내놓는 분류·회귀 모델입니다. 구조가 사람이 읽는 if-else 문과 거의 같아서 해석력이 매우 높습니다.

Breiman 등의 1984년 CART 알고리즘이 대표 고전이고, 단독으로 쓰면 과적합이 쉽지만 Random Forest·XGBoost처럼 여러 트리를 모아 앙상블하면 강력한 모델이 됩니다. LLM 시대에도 “왜 이렇게 판단했는지 설명해야 하는” 의료·법률·신용 심사에서는 딥러닝보다 오히려 선호되는 경우가 많습니다.

ML 위치는 F0 기사 참고.

→ scikit-learn 공식 문서: Decision Trees · scikit-learn