数据挖掘决策树法决策树是根据对目标变量产生效用的不同而建构分类的规则，通过一系列的规则对数据进行分类的过程，其表现形式是类似于树形结构的流程图
最典型的算法是J．R．Quinlan于1986年提出的ID3算法，之后在ID3算法的基础上又提出了极其流行的C4.5算法
采用决策树法的优点是决策制定的过程是可见的，不需要长时间构造过程、描述简单，易于理解，分类速度快；缺点是很难基于多个变量组合发现规则
决策树法擅长处理非数值型数据，而且特别适合大规模的数据处理
决策树提供了一种展示类似在什么条件下会得到什么值这类规则的方法
比如，在贷款申请中，要对申请的风险大小做出判断
以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。
