たくさんのデータや数値を分かりやすい図表で表現し、理解しやすい分析方法として、決定木分析があります。決定木分析はビジネスデータだけでなく、ほぼ全ての分野でよく使われており、生産技術分野においても例外ではありません。
決定木（けっていぎ、英: decision tree）とは木構造でデータを分類していく手法です。木構造なのでデータを上から各クラスに分類していくので、分析結果の解釈が容易になります。決定木は、特に、意志決定を助けることを目的として作られています。
決定木の特徴はなんといっても、効果的な切り口を発見しやすいところです。
決定木には、他に2つの呼び名があります。ひとつは、分類木 (classification tree)であり、もうひとつは、回帰木 (regression tree)です。名前の通り分類木は対象を分類する問題を解き、回帰木は対象の数値を推定する問題を解くのに使用されます。
決定木の長所と短所についてまとめると・・
●長所
・可読性が高い；木が生成されるイメージから出力結果の分析が容易
・説明変数・目的変数共に名義尺度から間隔尺度まで様々扱える。
・質的データから量的データまで様々扱える。
・外れ値に対して頑健
●短所
・分類性能の高い手法ではない
・過学習を起こしやすい；パラメータの調整や枝の刈り込みを上手に行う必要あり
・線形性のあるデータには適していない
