Bei einem Entscheidungsbaum handelt es sich um einen Algorithmus zur Entscheidungsfindung. Als sehr einfaches Veranschaulichungsbeispiel soll ein leidenschaftlicher Golfspieler (Person X) dienen. Person X hat gewisse Vorlieben, was Wochentage, Wetter und Temperatur angeht. Um festzustellen, wie wahrscheinlich sich Person X auf dem Golfplatz befindet, dienen also die Variablen Wochentage, Wetter und Temperatur. In diesem Beispiel kann die Variable „Wetter“ die Werte „Sonne“, „bewölkt“, „Regen“ und „Schnee“ annehmen. Die Variable „Temperatur“ hingegen nimmt kontinuierliche Zahlenwerte an.
Um Aussagen treffen zu können, ob sich Person X auf dem Golfplatz befindet, bietet es sich an, das Verhalten von Person X über einen längeren Zeitraum genauer zu beobachten. So können jeden Tag Wetter, Temperatur und Aufenthaltsort (Golfplatz Ja oder Nein) von Person X erfasst werden. Aus diesen Informationen kann anschließend der Entscheidungsbaum generiert werden.
In der ersten Entscheidungsebene werden die Wochentage betrachtet, im Anschluss das Wetter. Ist dieses sonnig, so befindet sich Person X wahrscheinlich auf dem Golfplatz. Bei Regen und Schnee ist Person X nie auf dem Golfplatz anzutreffen. Die zweite Entscheidungsebene wird bei bewölkten Witterungsverhältnissen zu Rate gezogen. Ist diese an einem bewölkten Tag größer oder gleich 20 °C so befindet sich Person X wahrscheinlich auf dem Golfplatz.
Von zentraler Bedeutung sind die aufgenommenen Eingangsvariablen (hier Wochentag, Wetter und Temperatur) und die Zielvariable (hier Golfplatz Ja/Nein). Entscheidungsbäume können mit den unterschiedlichsten Variablenarten generiert werden. So können beispielsweise auch Immobilienpreise anhand verschiedener Standortfaktoren geschätzt werden.
