决策树常常被应用于数据挖掘之中，是最基础的算法之一，几乎每一个学习过数据挖掘的朋友都知道决策树。但还原决策树本来的用途，它被用于一些决策或决定时，还是比较实用和直观的。其树型结构指导人们进行在面对某个决策时，先关注其中几个最重要的方向，这几方向定下来后，再细分下去。近年来泳道路，思维导向图之类的图形/办公自动化工具慢慢兴起，得到大家的广泛好评，也就是决策树的一个很好的实现。

不过在各企业的应用系统中，又决策树又不是很常用，归根到底，决策树是思维导向的内容，是飘忽不定的东西，要形成结构化的内容非常困难。而且市面上大多数的业务系统都是使用关系型数据库，在处理格式数据时非常的方法，但处理树形数据就不一定性。所以也慢慢有部分技术公司开始使用对象型数据库。另一方面，决策树中的决策和判断都比较不规则，很多内容更像是程序员在编程，是一些规则，不是信息，这导致了传统的业务系统处理困难。

 

 

决策树使用一个树型结构来表达业务规则。如下图所示。

每一个非叶子结点都代码一个决策/决定，而叶子结点执行动作。而每一条边表达决策的可选定值，可以理解为判断。

如下图，A=red或=blue是可选值，而B属于决策结点。

 

 

但在程序实现中，就不一定是这样的组织方式，一般而言，结点的文字会比线上的文字更容易看清楚，加上各种编程语言都基于上有树型控件的处理，都是以结点的形式表达，很少使用连接线来表来。所以上图在程序中，最常见的表示方法，是把大量信息都集中在结果中。如A=red的结点，就直接写A=red，而不是另外命名，而对于叶子结点，则需要有更详细的地方显示其执行的动作(Action)，实现的效果可能如下

 

部分决策表的数据，其实也可以组织为决策树，或使用决策树来表达更加的合适。决策树可以快捷有效地关联多个相关的规则，通过树型的关系，可能非常清晰地查看各个层级的决策逻辑。运算执行时，可以快速遍历各个决策结点，检查是否符合条件，如果符合条件再往下遍历。最终找到适用的条件和适用的操作动作。

 

 

业务系统的调用方不用填空任何代码，所有的计算都在CKRule中进行了。CKRule中的设置正如上图。

            ParkFee _pf = new ParkFee();

            _pf.ParkType = cmbParkType.Text;

            _pf.DistType = cmbDistType.Text;

            _pf.CardType = cmbCardType.Text;

            _pf.PartTime = Convert.ToDouble(numericUpDown1.Value);

            _pf = new RuleFacade().Exec("费用-停车费计算-决策树", _pf);

            txtFee.Text = _pf.Fee + "";

要查看规则的设置内容，请使用CKRule编辑器，打开“费用-停车费计算-决策树.ckp”文件，找到决策树和主规则进行查看。

 

相关源代码，Demo下载： http://www.ckrule.com/cn/demo.html