人们使用决策树的决策树经常应用于数据挖掘中，是最基础的算法之一，学习数据挖掘的绝大多数朋友都知道决策树。 但是，恢复决策树的原始用途在用于一些决策和决策时是实用和直观的。 它的树结构指导人们在面对决策时，关注其中最重要的方向，等方向确定后再细分。 近年来，游泳道路、思维导图等图形/办公自动化工具逐渐兴起，受到广泛评价。 也就是决策树的良好实现。 但在各企业的应用系统中，决策树并不常用，毕竟决策树是面向思维的内容，是飘忽不定的，很难形成结构化的内容。 另外，市面上很多业务系统都使用关系数据库，在处理格式数据时非常方便，但处理树数据并不一定。 因此，渐渐地，一些技术公司开始使用目标数据库。 另一方面，决策树中的决策和判断是不规则的，很多内容都是程序员编程的，不是信息而是规则，传统的业务系统很难处理。 决策树的构成和程序表达决策树使用一个树结构来表达业务规则。 如下图所示。 每个非叶节点编码决策/决策，并且叶节点执行操作。 每一边表示决策的可选择的值可以视为判断。 如下图所示，A=red或=blue是可选值，b是决策节点。
但是，在程序实现中，并不总是这样配置，通常节点中的字符比在线字符更容易看到。 此外，各种编程语言基于具有树型控件的处理，以节点的形式表示，很少以链接表示。 因此，上图是程序中最常见的表示方法，就是将大量的信息集中在结果中。 在A=red的节点的情况下，不是另外命名，而是直接写成A=red，但是在叶的节点的情况下，需要更加详细地表示执行的动作(Action )，有可能得到以下的效果
决策表的部分数据实际上也可以组织为决策树，或者利用决策树表达更恰当。 决策树可以快速有效地关联多个相关规则，通过模板的关系，可以非常清晰地看到各级决策逻辑。 运算运行时，快速遍历各决策节点，检查是否满足条件，如果满足条件，可以继续进一步遍历。 最终找出适用的条件和适用的操作行为。 停车场收费例使用决策树业务系统的呼叫方，不需要填充代码，所有的计算都用CKRule进行。 CKRule的设定如上图所示。 ParkFee _pf=new ParkFee (； _pf.ParkType=cmbParkType.Text； _pf.DistType=cmbDistType.Text； _pf.CardType=cmbCardType.Text； _ pf.part time=convert.to double (numeric up down1. value )； _pf=new RuleFacade ().Exec ) '费用-停车费计算-决策树'，_pf )； txtFee.Text=_pf.Fee ' '； 要查看规则设置，请使用CKRule编辑器打开“费用-停车费计算-决策树. ckp”文件，然后找到决策树和主规则进行查看。 相关源代码，Demo下载： http://www.CK rule.com/cn/demo.html