의사결정나무(Decision Tree) 데이터를 분류하거나 회귀하는 데 사용되는 예측 모델 중 하나트리 구조를 가지며, 각 내부 노드는 특정 특징(feature)에 대한 테스트, 각 가지(branch)는 테스트 결과, 리프 노드(leaf)는 최종 클래스를 나타냄 직관적인 분류 모델로서, 데이터의 특징을 기준으로 분류를 수행과적합(overfitting)의 위험이 존재하므로, 적절한 하이퍼파라미터 튜닝이 필요 노드(Node) : 트리의 각 분기점으로, 하나의 특징(feature)에 대한 테스트를 의미루트 노드(Root Node) : 트리의 최상위 노드, 전체 데이터셋을 포함리프 노드(Leaf Node) : 최종적으로 결정된 클래스 레이블깊이 (Depth) : 루트 노드부터 리프 노드까지의 최대 거리분할 기준..