Non sempre ciò che istintivamente ci sembra più interessante è più conveniente e non sempre le cose sono così definite da poter effettuare una scelta immediatamente tra due soluzioni. Spesso, ci muoviamo in una area grigia, dove una decisione viene determinata da una serie di valutazioni a cascata. Comunicare questo concetto con tabelle e numeri è difficile ed anche se formalmente una tabella non dice il falso, può lasciare perplesso e confuso chi la legge perché non appare immediata la giustificazione della scelta. La grafica ci viene in aiuto, permettendoci di raffigurare con maggiore leggibilità le stesse informazioni, potendo porre l’enfasi giusta sul ramo che abbiamo percorso per arrivare a determinare la scelta o la valutazione. La tecnica dell’albero decisionale è utile per identificare una strategia o per perseguire un obiettivo, creando un modello con i probabili risultati. Consente di descrive una struttura ad albero dove i nodi foglia rappresentano le classificazioni e le ramificazioni l’insieme delle proprietà che portano a quelle classificazioni. Di conseguenza ogni nodo interno risulta essere una macro-classe costituita dall’unione delle classi associate ai suoi nodi figli.
Il predicato che si associa ad ogni nodo interno (sulla base del quale avviene la ripartizione dei dati) è chiamato condizione di split. In molte situazioni è utile definire un criterio di arresto (halting), o anche criterio di potatura (pruning) al fine di determinarne la profondità massima. Questo perché il crescere della profondità di un albero (ovvero della sua dimensioni) non influisce direttamente sulla bontà del modello. Infatti, una crescita eccessiva della dimensione dell’albero potrebbe portare solo ad aumento sproporzionato della complessità computazionale rispetto ai benefici riguardanti l’accuratezza delle classificazioni.