決策樹演算法在醫療、控制領域早有應用。最近興起熱潮的無人駕駛路徑規劃演算法中,決策樹更是佔據了一席之地。只是在動力鋰電池的SOC估計中,應用有限,並且必須與其他方法結合適用。
在機器學習領域,決策樹經常被用於預測和分類,用來描述樣本屬性和分類之間的關係。在決策樹上,每個非葉子節點代表一個目標屬性,每個葉節點代表一種樣本分類。上層節點必須覆蓋下層節點屬性。決策樹的工作,就是從無次序無規則的樣本數據中推測出規則,再用規則去分類其他數據。
決策樹的分類過程從樹的根節點開始,根據樣本特性和分類關鍵參數的匹配選取樹枝,樹枝決定下一個樣本分割節點在哪。直至到達了葉節點,樹枝的選擇過程才能終止。葉節點的輸出就是分類結果,一般是一個判斷,「Yes」或者「No」。