决策树分类算法是一种广泛应用于决策支持系统中的机器学习方法。它通过构建树状结构模型来对数据进行分类或预测。该算法的核心思想是通过递归地将数据集划分为更纯净的子集，每个内部节点代表一个特征属性测试，每个分支代表测试结果，而每个叶节点则对应一个类别标签。决策树算法具有直观易懂、解释性强、计算效率高等优点，特别适合处理结构化数据。在决策支持系统中，决策树可以帮助管理者理解影响决策的关键因素，并通过可视化方式展示决策规则。常用的决策树算法包括ID3、C4.5和CART等，它们在选择分裂属性和剪枝策略上各有特点。在实际应用中，决策树算法可以单独使用，也可以作为集成学习（如随机森林）的基础分类器。