決定木

決定木は、「気温が25度以上か」「前月の購入があるか」といった条件の分岐を順にたどって、最後に分類や数値の予測を出す手法です。どの条件でどう分かれたかを図で示せるため、判断の理由を説明しやすい点が利点です。分類にも回帰にも使えます。一方、1つの木だけでは学習データに合わせすぎて過学習になりやすく、データが少し変わるだけで木の形が大きく変わることがあります。このため実務では、多くの木を組み合わせるランダムフォレストや勾配ブースティングもよく使われます。説明のしやすさを重視する業務では、精度との兼ね合いを見て手法を選ぶとよいでしょう。