Decision Tree Learning
Das Decision Tree Learning oder Lernen durch Entscheidungsbäume verwendet einen Entscheidungsbaum (als prädiktives Modell), um von Beobachtungen über ein Element (dargestellt in den Zweigen) zu Schlussfolgerungen über den Zielwert des Elements (dargestellt in den Blättern) zu gelangen. Es ist einer der prädiktiven Modellierungsansätze für Statistik, Data Mining und Machine Learning. Baummodelle, in denen die Zielvariable einen diskreten Wertebereich einnehmen kann, werden Klassifikationsbäume genannt; in diesen Baumstrukturen stellen Blätter Klassenbeschriftungen und Zweige Verbindungen von Merkmalen dar, die zu diesen Klassenbeschriftungen führen. Entscheidungsbäume, in denen die Zielvariable kontinuierliche Werte (typischerweise reelle Zahlen) annehmen kann, werden als Regressionsbäume bezeichnet.
In der Entscheidungsanalyse kann ein Entscheidungsbaum verwendet werden, um Entscheidungen und Entscheidungsfindungen visuell und explizit darzustellen. Im Data Mining beschreibt ein Entscheidungsbaum Daten (der resultierende Klassifikationsbaum kann jedoch eine Entscheidungsgrundlage sein).
