---
title: "Decision tree — 决策树"
source: "https://systems-analysis.info/int/Decision_tree_%E2%80%94_%E5%86%B3%E7%AD%96%E6%A0%91"
wiki: "systems-analysis.info/int"
article: "Decision_tree_—_决策树"
language: "zh"
categories:
  - "Category:Chinese"
  - "Category:Decision theory"
  - "Category:Decision-making"
revision_id: 1525
wiki_created_at: 2026-09-06T22:49:57Z
wiki_modified_at: 2026-09-06T22:49:57Z
downloaded_at: 2026-09-07T22:46:27Z
---

# Decision tree — 决策树

**决策树**（Decision Tree）是一种在决策论中使用的图形化逻辑模型，用于表示和分析多方案情景，其中的选择取决于一系列事件、条件和决策。决策树有助于直观地展示问题结构，包括可能的行动、不确定性和预期后果。

## 本质与用途

决策树适用于以下情况：

- 需要在不确定、有风险或多阶段的条件下做出决策
- 事件发展可能出现多种不同情景
- 需要评估备选行动的后果并选择最优路径

其主要任务是将决策过程结构化为一系列选择点（备选方案）和反映事件可能结果的分支。这有助于系统地分析决策后果，并结合后续情况的发展来比较不同方案。

## 决策树的要素

- **决策节点**（Decision Node）— 决策者选择一个可能行动方案的点。通常用方块表示。
- **事件节点**（Chance Node），或称机会节点 — 结果取决于外部因素或概率性事件的点。通常用圆圈表示。
- **分支**（Branches）— 从节点延伸出的线，代表备选方案或可能的事件结果。
- **终端节点**（Terminal Nodes），或称叶节点 — 某一决策和事件序列所导致的最终状态；包含有关预期结果的信息。

因此，决策树结合了行动、环境反应和结果，从而能够在分析中同时考虑情景中的可控和随机部分。

## 决策树的应用

决策树方法用于：

- 对复杂的选择问题进行可视化和结构化
- 在风险条件下分析决策后果（具有不同概率的不同结果）
- 解决动态选择问题，即决策在多个阶段相继做出
- 在交互式流程中，根据新获取的信息或在与决策者对话的过程中构建决策树

决策树在以下情况中尤其有用：

- 需要分析模糊不清的情景
- 存在多个阶段，每个阶段都有选择的可能
- 重要的是不仅要考虑初始选择，还要考虑每个决策的后续影响

## 决策树的优点

- **直观性** — 图形化结构使整个问题一目了然。
- **逻辑性** — 该方法要求清晰地阐述备选方案、事件和结果。
- **分析性** — 决策树有助于系统地比较实现目标的各种路径。
- **灵活性** — 当问题条件发生变化时，易于修改和调整。

## 方法的局限性

- **结构呈指数级增长** — 当备选方案数量众多时，决策树会迅速变得复杂。
- **需要数值评估** — 通常需要评估概率和结果，这可能很困难。
- **情景的线性特征** — 建模相互依赖或并行的事件有时并不方便。

## 方法论意义

决策树体现了决策的系统方法：阐述备选方案、分析可能后果、模拟外部不确定性以及评估决策的有效性。该方法广泛应用于系统分析、项目管理、战略规划、医学、金融和工程学等领域。