1．基本を理解
読み方・用語解説- 読み方
- けっていき
- 英語名
- Decision Tree
- 提唱者・年代
- 機械学習の古典モデル（ID3・C4.5・CARTなど、1980年代）
💡 豆知識——“判断の樹”——“雨が降る？→行く”というif-elseの分岐を木構造で重ねたもの。
【セットで覚えたい関連用語】
ラ
ランダムフォレスト決定木のアンサンブル（多数決で予測）。ホ
ホワイトボックス判断根拠を視覚的に追える“説明性が高い”モデル。過
過学習深さの制約（刈り込み）で防ぐ。2．意味（定義）と例え話
一言で言うと？
特徴量に対する条件分岐を木構造で重ねて判断するモデル。判断根拠を視覚的に追えるため説明性が高い（ホワイトボックス）。
背景・歴史的流れ
機械学習の古典。if-elseの分岐を重ねて予測する“木の形”のモデルで、ルールが見える＝説明性（ホワイトボックス）が高いのが特徴。
3．直前に理解（Q&A）
7問Q1. 決定木とは？最頻出
特徴量に対する条件分岐を木構造で重ねて判断するモデル。
Q2. 最大の強みは？最頻出
判断根拠を視覚的に追えるため説明性が高い（ホワイトボックス）。
Q3. 構造は？頻出
内部ノード＝条件分岐、枝＝条件の分岐、葉＝予測結果。
Q4. 「決定木はブラックボックスで、根拠がわからない」は正しい？ひっかけ
誤り。判断の経路を見られるホワイトボックス。
Q5. 弱点は？頻出
深すぎると過学習しやすいため、刈り込みなどで制約する。
Q6. 派生は？頻出
決定木のアンサンブルであるランダムフォレスト。
Q7. 位置づけは？親と子
機械学習（古典）⊃決定木（説明性の高いモデル）。
4. まとめ
決定木＝条件分岐を木構造で重ねて判断する、説明性（ホワイトボックス）が高い古典モデル。