决策树在机器学习中是一个预测模型，代表了对象属性和对象值之间的一种映射关系。Entropy = 系统的凌乱程度，使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。从数据产生决策树的机器学习技术叫做决策树学习, 通俗说就是决策树。决策树学习也是资料探勘中一个普通的方法。

从定义上来说，决策树(Decision Tree）是指在已经知道各种情况都可能发生的概率的基础上，通过构成决策树来求取净现值的的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。

一个决策树包含三种类型的节点：

决策节点：通常用矩形框来表示

机会节点：通常用圆圈来表示

终结点：通常用三角形来表示