決定木とは？
けっていぎ
決定木とは、データを条件分岐によって段階的に分類・予測する機械学習アルゴリズムで、その構造が木の枝に似ることからこの名が付いています。
決定木（Decision Tree）とは、機械学習における教師あり学習アルゴリズムのひとつで、データを複数の条件（特徴量の閾値）で繰り返し二分割しながら、最終的に分類や数値予測を行う手法です。ツリー構造で表現されるため、人間が結果を視覚的に解釈しやすいという大きな利点を持ちます。
決定木の構成要素は主に3つです。
- ルートノード：最初の分岐点で、全データを最もよく分割する特徴量が選ばれる
- 内部ノード（分岐ノード）：各条件を評価する中間の節点
- 葉ノード（リーフ）：最終的な予測ラベルや数値が格納される末端
分岐の基準として、分類問題ではジニ不純度や情報エントロピー（情報利得）が、回帰問題では平均二乗誤差などが用いられます。代表的なアルゴリズムにはID3・C4.5・CARTなどがあります。
決定木の特徴として、前処理（正規化・欠損値処理）が少なくても動作すること、解釈性が高いことが挙げられます。一方、データに過学習しやすい欠点があるため、実用上はランダムフォレストや勾配ブースティング（XGBoost等）のように多数の決定木を組み合わせるアンサンブル手法が広く使われています。
使い方・例文
「年齢が30歳以上かつ年収が400万円以上か？」のような条件を積み重ねてローン審査の合否を判定する仕組みは、決定木の典型的な応用例です。
この用語をシェア
最終更新: