決定木分析はデータを条件分岐で分類・予測する手法です。CART・ID3などのアルゴリズム、分岐条件の設定方法、過学習対策まで実務視点で解説します。
ランダムフォレストは複数の決定木を組み合わせて予測精度を高めるアンサンブル学習手法です。バギングの仕組み、特徴量のランダム選択、変数重要度の活用法、ビジネスでの実践的な使い方を解説します。