titc.ai › BLOG

BLOG · AI入門・機械学習

決定木分析の動きをアニメーションで理解する

「はい／いいえ」の質問で、データを分けて予測する仕組みを、動かして確かめる

公開日 2026年9月30日 ／ 著者 富田 良治（TITC合同会社 代表社員）

決定木（けっていぎ）は、「はい／いいえ」の質問を繰り返してデータを分け、結果を予測するルールの木をつくる手法です。たとえば「ダイレクトメール（DM）に反応して購入するお客様か、しないお客様か」を、来店回数や平均購入額から見分けたり、「解約しそうなお客様に共通する条件」を探したりするときに使われます。下のデモで、木が少しずつ育っていく様子を見てみましょう。

動かして確かめる

左の図の点の一つひとつが、お客様です。横軸は「来店回数」、縦軸は「平均購入額」。青い丸（●）は「購入した」、赤いバツ（×）は「購入しなかった」お客様です。まずは「再生」を押してください。左の図に区切り線が入るたびに、右側に「質問の木」が育っていきます。

何が起きているのか：質問を選んで、分けて、繰り返す

決定木は、次の手順で質問を1つずつ決めていきます。

1. 区切り候補をすべて試す：「来店回数が○回より少ないか」「平均購入額が○円より低いか」といった質問を、境目の位置を少しずつずらしながら、片っ端から試します。（デモで区切り線が左から右へ走るところ）
2. いちばん混ざり具合が減る区切りを選ぶ：区切った後の各グループに、青と赤がどれくらい混ざっているかを「不純度（ジニ係数）」という数字で測ります。0に近いほど1種類だけ、0.5に近いほど半々に混ざっている状態です。この数字がいちばん小さくなる区切りを採用します。（グラフの最も低い点。デモで線が黄色く決まるところ）
3. 分かれた各グループで同じことを繰り返す：区切った左右それぞれを、また同じ手順で分けていきます。木が下へ伸びていきます。
4. 止める条件：「決めた深さまで来た」「グループが1種類だけ（純粋）になった」「件数が少なすぎる」のいずれかで、そこを木の末端（葉）にします。
5. 新しいデータは木をたどって予測：新しいお客様は、質問に「はい／いいえ」で答えながら根元から枝をたどり、着いた葉の多数派を予測結果とします。（「予測してみる」）

使うときの注意点

• 深くしすぎると「過学習」になります。「データの形」を「ノイズ多め」にして、深さを6まで上げてみてください。正解率は深さ3のときより上がりますが、それは偶然まぎれ込んだ例外まで丸暗記して細かく分けたためで、新しいお客様にはうまく当たらなくなります。
• 区切りは縦か横の線だけです。「斜めの境界」を選ぶと、本当は1本の斜めの線で分けられるのに、階段状の区切りを何本も重ねることになります。「ドーナツ型」も同様に、たくさんの四角でおおまかに近づけるしかありません。
• データが少し変わると、木の形が大きく変わることがあります。「データを作り直す」を繰り返すと、質問の順番や位置が変わるのが分かります。この不安定さを補うため、たくさんの木の多数決をとる「ランダムフォレスト」などの手法がよく使われます。

決定木の良いところ

最大の長所は、結果が「ルール」として読めることです。「来店が4回以上で、平均購入額が3千円以上のお客様は、DMに反応しやすい」のように、人に説明し、現場の施策にそのまま使える形で出てきます。予測の精度だけでなく、「なぜそうなるのか」を知りたい場面に向いています。

中小企業での使いどころ

顧客名簿や購買履歴があれば、「DMに反応して購入する人の条件」「解約しそうな人の共通点」「返品が多い取引の特徴」などを、ルールの形で洗い出せます。出てきたルールは、そのまま案内の対象を絞る基準になります。ただし、データの量が少ないと偶然の偏りを拾いやすいので、結果は「仮説」として現場の感覚と突き合わせるのが安全です。

関連記事

• データ分析の理解に役立つツール一覧
• k-means（クラスタリング）の動きをアニメーションで理解する
• 主成分分析（PCA）の動きをアニメーションで理解する

ご相談