决策树理论是什么

　　决策树理论具体指的就是在已经知道各种各样的状况发生概率的基础之上，通过构成决策树来求书净现值的期望值大于等于0的概率，评价出项目的具体风险，判断其可行性的决策分析方式是比较直观，运用概率分析的一种图解方式，因为这种决策的分枝画法非常类似于一根树的枝干，因此被人们称之为决策树理论，在机器学习当中决策树理论是一个预测的模型，它代表的对象就是属相和对象之间的一种映射关系。

　　决策树是一种树型的结构，其中的每一个内部节点都表示了一个属性上面的测试，每一个分子也都代表了一个测试输出，每一个业界店也都代表了一种类比，决策树是一种非常实用的分类方式，它也是一种监管学习所谓的监管学习指的就是给定一堆样板，每一个样本都有一组属性和类别，这些类别都是在事后确定的，那么可以通过学习得到一个分类器，这个分类器就能够对于新出现的对象给出正确的分类。

　　决策树理论非常易于理解和实现，人们在学习的过程当中，并不需要使用人员了解很多的背景知识，这同时也是这种理论能够直接体现出数据的运行特点，只要能够通过解释之后，都有一定的能力去理解决策树想要表达的意义。对于决策树理论来说数据的准备往往也是比较简单或者是没有任何必要的，而且能够同时处理数据性和常规性的属性，在相对短的时间之内，能够对于大型数据做出可行并且效果非常不错的结果。