30秒でわかる要点
条件分岐を木構造で表現し、データを分類・予測するモデル。結果の解釈がしやすいのが利点。ランダムフォレストや勾配ブースティングの基礎となる。
「決定木」の練習問題
当サイトの練習問題から、この用語に関係する問題をピックアップしました。
Q1決定木（Decision Tree）が可視化と解釈性に優れている理由として最も適切なものはどれか。
- 分類過程を「条件→判定」の樹構造で表現し、人間が推論プロセスを追跡可能にすること
- 決定木は全く解釈不可能で、ブラックボックス
- 解釈性は機械学習では不要な要素
- 決定木は複雑で、説明に多くの時間がかかる
答えと解説を見る
正解：A
決定木は、各ノードが特徴のしきい値による分割を表現。ルートからリーフまでのパスが推論規則として人間に理解可能。ただし、深い木はサイズが大きくなり、過学習リスク。B、C、Dは誤り。
Q2決定木の分割基準として情報利得が使用される場合、次のうちどの指標を最小化することで最適な分割が選ばれるか。
- 親ノードのエントロピーである
- 子ノードのエントロピーの加重平均である
- クラスの事前確率である
- ノードの深さである
答えと解説を見る
正解：B
情報利得は親のエントロピーから分割後の子ノードのエントロピー加重平均を差し引いた値。情報利得を最大化（=子ノードエントロピーを最小化）する分割を選択。
Q3決定木の剪定（プルーニング）が行われる主な理由は何か。
- 訓練データへの過度な適合を軽減し、テストデータでの汎化性能を向上させるためである
- 決定木の学習速度を高速化するためである
- 葉ノードの数を減らし、特徴量の重要度を計算するためである
- 欠損値を処理するためである
答えと解説を見る
正解：A
剪定により、訓練データを過度に分割した不要な部分を削除。これにより過学習を軽減し、テスト性能向上。B は学習時間に影響少、C は副次的、D は別処理。
機械学習の問題をまとめて解いて、理解を確かめましょう（無料・登録不要）。
機械学習の練習問題を解く