Для классификации данных в машинном обучении используются следующие типы деревьев:

• Деревья решений. 12 Представляют собой древовидную структуру, где каждый узел соответствует некоторому условию на входных данных, а каждый лист дерева соответствует предсказанию для объектов, которые соответствуют данному пути от корня до листа. 1
• Случайный лес. 14 Представляет собой ансамбль деревьев решений, где каждое дерево обучается на случайной выборке данных и случайном наборе признаков. 1 Затем предсказание производится путём агрегирования предсказаний всех деревьев. 1

Для кластеризации данных используются следующие типы деревьев:

• K-средних. 1 Разделяет данные на кластеры, где каждый кластер представляет группу объектов, которые находятся близко друг к другу в пространстве признаков. 1 Количество кластеров определяется заранее. 1
• Иерархическая кластеризация. 2 Строит дерево кластеров, где каждый узел представляет собой объединение двух ближайших кластеров. 2 Иерархическая кластеризация может быть агломеративной (снизу вверх) или дивизивной (сверху вниз) и позволяет визуализировать структуру данных в виде дендрограммы. 2