Khuyết nạp cây quyết định (Decision tree induction) là học cây quyết định từ các tuple huấn luyện được gán nhãn lớp (class-labeled training tuples). Cây quyết định là cấu trúc cây dạng biểu đồ tuần tự (sequential diagram-like tree structure), nơi mỗi nút nội bộ (non-leaf node) chỉ ra một kiểm tra trên một thuộc tính, mỗi nhánh xác định một kết quả của kiểm tra, và mỗi nút lá (terminal node) ảnh hưởng một nhãn lớp. Nút lớn nhất trong một cây là nút gốc (root node).
Khuyết nạp cây quyết định tạo ra cấu trúc giống biểu đồ dòng chảy nơi mỗi nút nội bộ (non-leaf) chỉ ra một kiểm tra trên một thuộc tính, mỗi nhánh tương ứng với một kết quả của kiểm tra, và mỗi nút bên ngoài (leaf) chỉ ra một dự đoán lớp.
Tại mỗi nút, thuật toán chọn thuộc tính "tốt nhất" (best) để chia dữ liệu thành các lớp đơn lẻ. Khi khuyết nạp cây quyết định được dùng cho chọn tập con thuộc tính (attribute subset selection), một cây được tạo từ dữ liệu cho trước.
Một số thuộc tính không xuất hiện trong cây được coi là không liên quan. Tập các thuộc tính xuất hiện trong cây tạo thành tập con thuộc tính giảm xuống. Các thuật toán khuyết nạp cây quyết định hỗ trợ một phương pháp để xác định điều kiện kiểm tra thuộc tính và kết quả tương ứng của nó cho nhiều loại thuộc tính.
Thuộc tính nhị phân (Binary Attributes)
Một thuộc tính nhị phân là một thuộc tính danh nghĩa (nominal attribute) chỉ có hai phần tử hoặc trạng thái bao gồm 0 hoặc 1, nơi 0 thường đại diện cho thuộc tính vắng mặt, và 1 đại diện cho nó hiện diện. Thuộc tính nhị phân được định nghĩa là Boolean nếu hai trạng thái tương đương với true và false.
Một thuộc tính nhị phân là đối xứng (symmetric) nếu cả hai trạng thái của nó đều giá trị như nhau và tạo ra trọng số như nhau. Không có ưu tiên về kết quả nào phải được mã hóa là 0 hoặc 1. Ví dụ có thể là thuộc tính giới tính (gender) có trạng thái nam và nữ.
Một thuộc tính nhị phân là bất đối xứng (asymmetric) nếu kết quả của các trạng thái không quan trọng như nhau, ví dụ kết quả dương tính và âm tính của xét nghiệm y tế cho HIV. Theo quy ước, có thể mã hóa kết quả quan trọng nhất, thường là cái gần nhất, bằng 1 (ví dụ: HIV dương tính) và cái khác bằng 0 (ví dụ: HIV âm tính).
Thuộc tính danh nghĩa (Nominal Attributes)
Danh nghĩa (Nominal) nghĩa là liên quan đến tên. Các giá trị của một thuộc tính danh nghĩa là các ký hiệu hoặc tên của các sự vật. Mỗi giá trị xác định một loại danh mục, mã, hoặc trạng thái, v.v. Thuộc tính danh nghĩa được định nghĩa là categorical (phân loại). Các giá trị không có bất kỳ thứ tự ý nghĩa nào. Trong khoa học máy tính, các giá trị cũng được gọi là enumerations (liệt kê).
Thuộc tính thứ tự (Ordinal Attributes)
Một thuộc tính thứ tự là một thuộc tính có các giá trị áp dụng có một chuỗi hoặc xếp hạng thiết yếu giữa chúng, nhưng độ lớn giữa các giá trị liên tiếp là không biết.
Thuộc tính thứ tự có thể tạo chia nhị phân (binary) hoặc đa đường (multiway splits). Các giá trị thuộc tính thứ tự có thể được kết hợp miễn là việc gom nhóm không vi phạm bản chất thứ tự của các giá trị thuộc tính.
Thuộc tính số (Numeric Attributes)
Một thuộc tính số là định lượng (quantitative). Nó là một lượng có thể tính, được biểu diễn bằng giá trị số hoặc thực. Nó có thể được chia tỷ lệ khoảng (interval-scaled) hoặc tỷ lệ tỷ số (ratio-scaled).