单元四 · 智能推理的应用
第16课 决策树与智能推理
一、学习目标
- 理解决策树的基本思想。
- 能读懂简单决策树并用于判断。
- 认识决策树在智能推理中的作用与局限。
二、情境导入
面对「今天穿什么」「是否出门带伞」这类选择，如何把规则画成一棵树？
决策树如何帮助计算机做判断？
三、核心讲解
本课学习路径：
1认识决策树
2用决策树进行推理
1．认识决策树
决策树用「问题—分支—结论」的树状结构表示判断流程，节点是问题，分支是答案，叶子是决策。
决策树：把复杂判断拆成一系列可回答的问题，沿路径到达结论，过程清晰可解释。
- 适合规则相对明确、需要可解释的场景
- 树太深或问题设计不当会导致难用或过拟合经验
- 可在 MixAI 决策树组件中搭建并测试
想一想：把「是否带伞」画成决策树，根节点你会问什么？
2．用决策树进行推理
从根节点开始，根据已知条件选择分支，逐步到达叶子，完成一次推理。
可解释推理：决策路径可以复盘：为什么得到这个结论，依据了哪些判断。
- 用同一棵树处理多个样例，检查是否一致
- 发现反例时，考虑增补问题或调整分支
- 对比：决策树与「黑盒」模型在解释性上的差异
想一想：什么情况下决策树会显得笨拙，更适合其他方法？
弄清以上要点后，再进入下方动手体验，用实际操作验证。
四、动手体验 · MixAI 组件
请在下列组件中完成操作，至少体验一个并记录现象。
组件 model_decision_tree — 在框内完成操作
五、课堂总结
- 决策树以可解释的分支结构表达判断规则。
- 沿树推理能得到结论，并说明依据；也需注意规则覆盖不足等局限。
六、拓展提升
- 为班级活动报名资格设计一棵不超过 4 层的决策树，并用 3 个样例测试。
测评
对照本课学习目标作答（客观题练习）；选出后点「检查」。答错会显示简短说明。
决策树中，叶子节点通常表示：
决策树受人欢迎的重要原因是：
判断：使用决策树推理时应从叶子随便跳到根，无需看问题。
本节小结
回顾本课要点，完成动手体验与测评。记住：决策树与智能推理。