Bu ünite, karar ağaçlarının tarihsel sürecini, kavramsal tanımını, budama prensiplerini, uygun yöntemlerle kullanımını, test ve eğitim setinin belirlenmesini ve modelin uygunluğunun test edilmesini öğretmeyi amaçlamaktadır. Karar ağaçlarının genel yapısı, en uygun şekilde kullanımı ve en iyi performansı elde etmek için karar ağacı yöntemleri de ele alınmaktadır. Karar ağaçları, sınıflandırma ve regresyon için kullanılabilen ve parametrik koşul aranmayan verimli bir denetimli öğrenme tekniğidir. Bu ünite, karar ağaçlarının sağlık bilişimi ve veri analitiği alanında nasıl kullanılabileceğini öğretmektedir. Karar ağaçları, veri setini tanımlamak ve bilgi elde etmek için kullanılan bir yöntemdir. Bu yöntem, AID (Automatic Interaction Detector) algoritması ile başlamış ve daha sonra CART (Classification And Regression Trees), ID3, C4.5, CHAID (Chi-Square Automatic İnteraction Detection), MARS (Multivariate Adaptive Regression Splines), QUEST (Quick, Unbiased, Efficient Statistical Tree) gibi farklı algoritmalar geliştirilmiştir. Bu algoritmalar, karar ağaçlarının kullanımını yaygınlaştırmıştır. Karar ağaçları, veri analizi ve sınıflandırma problemlerinde etkili bir şekilde kullanılabilmektedir. Bu ünite, karar ağaçlarının temel prensiplerini ve yöntemlerini öğretmektedir.(AI)