یادگیری درخت تصمیم

یادگیری درخت تصمیم (به انگلیسی: Decision tree learning) گروهی از الگوریتم های یادگیری ماشین هستند که در طبقه بندی آماری کاربرد دارند. درخت های تصمیم به گروه الگوریتم های یادگیری تحت نظارت تعلق دارند و بیشتر آنها بر اساس حداقل سازی کمیتی به نام آنتروپی ساخته می شوند. هرچند توابع دیگری برای ساخت درخت تصمیم وجود دارند. نمونه های قدیمی درخت تصمیم تنها قادر به استفاده از متغیرهای گسسته بودند، اما الگوریتم های جدیدتر هردو نوع متغیر گسسته و پیوسته را در یادگیری به کار می برند.
ID3 که تنها قادر به یادگیری بر اساس متغیرهای گسسته است.
C4.5 که قابلیت یادگیری از هردوی متغیرهای گسسته و پیوسته را دارد.