Возможно, имелись в виду деревья решений, которые используются в машинном обучении, статистике и анализе данных. 15

Деревья решений помогают:

• Классифицировать данные. 1 Можно изучить характеристики разных случаев или объектов и на основе результатов разделить их на категории и подкатегории. 1
• Определить наиболее значимые условия. 1 Алгоритм помогает оценить важность признака, то есть найти такие условия, которые важнее всего для заданной цели исследования. 1
• Увеличить надёжность результата. 1 Дерево решений помогает сформировать максимально подходящую под все условия выборку или сделать самый точный прогноз на основе имеющихся данных. 1

Визуально дерево решений можно представить как карту возможных результатов из ряда взаимосвязанных выборов. 4 Это помогает сопоставить возможные действия, основываясь на их стоимости (затратах), вероятности и выгоде. 4

Пример: на основе метеорологических наблюдений за прошедшие 100 дней нужно сделать прогноз, будет ли завтра дождь. 1 Для этого можно разделить все дни на две группы, где 1 — на следующий день был дождь, 0 — на следующий день не было дождя. 1 Алгоритм дерева решений будет искать в общем объёме данных те повторяющиеся условия, по которым проще всего разделить все дни на «1» и «0». 1

Таким образом, деревья решений позволяют строить прогнозы, описывать данные, разделять их на группы и находить зависимости между ними. 1