Machine learning
決定木
決定木は、Breiman、Friedman、Olshen、Stoneが1984年のCARTフレームワークで定式化した、解釈可能な分類および回帰手法であり、階層的なif-thenルールを用いてデータを分割します。各分割は、予測が葉から読み取られるまで、観測値を一方または他方の枝に送ります。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+31 more
出典
- Breiman, L., Friedman, J.H., Olshen, R.A. & Stone, C.J. (1984). Classification and Regression Trees. Wadsworth. DOI: 10.1201/9781315139470 ↗
このページの引用方法
ScholarGate. (2026, June 1). Decision Tree (CART — Classification and Regression Trees). ScholarGate. https://scholargate.app/ja/machine-learning/decision-tree
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ロジスティック回帰研究統計↔ compare
- ナイーブベイズ機械学習↔ compare
- ランダムフォレスト機械学習↔ compare
- サポートベクターマシン（分類）機械学習↔ compare
- XGBoost機械学習↔ compare
この手法を参照する項目
能動学習決定木AdaBoostバギング（ブートストラップ集約）ベイジアン決定木ブースティングケースベース推論 (CBR)CatBoostアンサンブル決定木勾配ブースティングアンサンブル説明可能な決定木説明可能なExtra Trees説明可能なK-MeansExplainable K-Nearest Neighbors説明可能なLightGBM説明可能なナイーブベイズ説明可能なランダムフォレストExtra Trees勾配ブースティングアイソレーションフォレストK近傍法LightGBM線形回帰（機械学習）ロジスティック回帰 (ML)多変量適応回帰スプライン（MARS）ナイーブベイズオンライン決定木ランダムフォレスト正則化決定木正則化ランダムフォレスト頑健決定木ロバスト・ランダム・フォレストRule Induction自己教師あり決定木自己教師ありランダムフォレスト半教師あり決定木半教師ありFP-growthSHAP（SHapley Additive exPlanations）スタッキングXGBoost