In data mining, a decision tree describes data (but the resulting classification tree can be an input for decision making). في عمليات التنقيب في البيانات تصف أشجار القرار البيانات (لكن ناتج شجرة التصنيف يُمكن أن يكون من المدخلات لعملية اتخاذ القرار).
For data including categorical variables with different number of levels, information gain in decision trees is biased in favor of those attributes with more levels. عند استخدام بيانات تتضمن متغيرات فئوية بأعداد مختلفة من المستويات، فإن المعلومات الناتجة من شجرة القرار تكون منحازة للصفات التي تحتوي على مستويات أكثر.
A decision tree is a decision support tool that uses a tree-like model of decisions and their possible consequences, including chance event outcomes, resource costs, and utility. (ديسمبر 2018) شجرة القرار هي أداة دعم قرار تستخدم رسمًا توضيحيًّا شبيها بالشجرة للقرارات والتبعات المتوقعة لها، متضمناً احتمال تحقق المخرجات، وكلفة الموارد، والمنفعة.
It is now adopted widely and becoming an alternative to the decision tree which typically suffers from exponential growth in number of branches with each variable modeled. ويعتمد عليه الآن على نطاق واسع واصبح بديلا عن شجرة القرار التي تعاني عادة من النمو الأسى (المتسارع) في عدد الفروع مع كل متغير ممثل.
A decision tree is a flowchart-like structure in which each internal node represents a "test" on an attribute (e.g. whether a coin flip comes up heads or tails), each branch represents the outcome of the test, and each leaf node represents a class label (decision taken after computing all attributes). شجرة القرار هي هيكلية شبيهة بالمخطط الانسيابي حيث كل عقدة داخلية تمثل "اختبار" للخاصية (مثال هل الوجه الظاهر للعملة المعدنية هو طرة أم نقش)، كل فرع يمثل مخرجات الاختبار وكل عقدة نهائية تمثل القرار المتخذ بعد احتساب جميع الخصائص.