この記事は、機械学習における決定木の基礎を解説するシリーズの第1回です。決定木の仕組み、分類と回帰の違い、アルゴリズム（ID3, C4.5, CART）、および訓練時の分割方法、目的関数（ジニ不純度・エントロピーなど）を取り上げています。また、過学習、バイアス・バリアンストレードオフ、決定境界の可視化、階段効果、説明可能性などにも触れ、最終的には実装の準備として理解を深める構成です。