決策樹法的幾個關鍵步驟是：

1、畫出決策樹，畫決策樹的過程也就是對未來可能發生的各種事件進行周密思考、預測的過程，把這些情況用樹狀圖表示出來．先畫決策點，再找方案分枝和方案點．最後再畫出機率分枝。

2、由專家估計法或用試驗資料推算出機率值．並把機率寫在機率分枝的位置上。

3、計算益損期望值，從樹梢開始，由右向左的順序進行．用期望值法計算．若決策目標是盈利時，比較各分枝，取期望值最大的分枝，其他分枝進行修剪。

擴充套件資料

決策樹的優點

1、決策樹易於理解和實現. 人們在透過解釋後都有能力去理解決策樹所表達的意義。

2、對於決策樹，資料的準備往往是簡單或者是不必要的 . 其他的技術往往要求先把資料一般化，比如去掉多餘的或者空白的屬性。

3、能夠同時處理資料型和常規型屬性。其他的技術往往要求資料屬性的單一。

4、 在相對短的時間內能夠對大型資料來源做出可行且效果良好的結果。

5、對缺失值不敏感

6、可以處理不相關特徵資料

7、效率高，決策樹只需要一次構建，反覆使用，每一次預測的最大計算次數不超過決策樹的深度。

決策樹的缺點

1、對連續性的欄位比較難預測。

2、對有時間順序的資料，需要很多預處理的工作。

3、當類別太多時，錯誤可能就會增加的比較快。

4、一般的演算法分類的時候，只是根據一個欄位來分類。

5、在處理特徵關聯性比較強的資料時表現得不是太好