データ・DX
決定木とは？
読み: けっていぎ英語: Decision Tree更新日: 2026-06-26
決定木とは、条件分岐を木の形で重ね、分類や回帰を行う機械学習モデルです。
DS検定G検定
関連表記: 決定木 / Decision Tree / 木構造モデル
試験で問われるポイント
- 解釈しやすい一方、深くしすぎると過学習しやすくなります。
- ランダムフォレストや勾配ブースティングの基礎になります。
- 分類と回帰の両方に使われます。
具体例
年齢、利用頻度、購入履歴などの条件で解約リスクを予測します。
混同しやすい点
- 決定木なら常に人間が完全に理解できると考える。
- 木を深くするほど必ず性能が上がると考える。
関連問題で復習
G検定機械学習の概要・具体的手法
「決定木」の特徴として、最も適切なものはどれか。
G検定機械学習の概要・具体的手法
決定木の特徴として、最も適切なものはどれか。
G検定機械学習の概要・具体的手法
勾配ブースティング決定木（GBDT）の特徴として、最も適切なものはどれか。
G検定機械学習の概要・具体的手法
「ランダムフォレスト」の説明として、最も適切なものはどれか。
G検定機械学習の概要・具体的手法
ランダムフォレストの説明として、最も適切なものはどれか。
生成AIパスポートAI・生成AIの基礎
時系列データや文章など、順序が重要なデータの処理に適したネットワーク構造はどれか。
生成AIパスポートAI・生成AIの基礎
RNNの「長期依存性の学習が困難」という問題を改善したアーキテクチャはどれか。