Uma Árvore de Decisão é:

•um nó folha (ou nó resposta) que contém o nome de uma classe ou o símbolo nulo (nulo indica que não é possível atribuir nenhuma classe ao nó por não haver nenhum exemplo que corresponda a esse nó); ou

•um nó interno (ou nó de decisão) que contém o nome de um atributo; para cada possível valor do atributo, corresponde um ramo para uma outra árvore de decisão.

Uma árvore de decisão possui a seguinte estrutura típica:

•Nós internos são rotulados com atributos;

•Folhas são rotuladas com classes;

•Ramos são rotulados com valores (atributos categóricos) ou com intervalos (atributos numéricos).

Árvores de Decisão são algoritmos utilizados em machine learning, com uma estrutura de simples compreensão e que costumam apresentar bons resultados em suas previsões. Estão entre os primeiros algoritmos aprendidos por iniciantes no mundo do aprendizado de máquina. Eles também são a base do funcionamento de outros poderosos algoritmos, como o Random Forest.

Apesar do grande poder de previsão de uma árvore de decisão, conhecer o seu funcionamento básico é algo muito simples e fácil, quem está começando na área já será capaz de obter este entendimento.

Como o próprio nome sugere, neste algoritmo vários pontos de decisão serão criados. Estes pontos são os “nós” da árvore e em cada um deles o resultado da decisão será seguir por um caminho, ou por outro. Os caminhos existentes são os “ramos”.

Esta é a estrutura básica de uma árvore de decisão. Os nós são responsáveis pelas conferências que irão indicar um ramo ou outro para sequência do fluxo.

Detalhando ainda mais esta lógica, uma pergunta será feita e teremos duas opções de resposta: sim ou não. A opção “sim” levará a uma próxima pergunta, e a opção “não” a outra.

Estas novas perguntas também terão como opções de resposta o sim e não, e desta forma toda a árvore será construída, partindo de um ponto comum, podendo existir várias opções de caminhos diferentes a serem percorridos na árvore, cada um levando a um resultado.