以 Figures 8.1–8.5、Tables 8.1–8.2 說明 Classification and Regression Trees（CART）如何把 Titanic Survival Prediction 轉成 Tree 與 IF–THEN–ELSE Rules。
能解讀 Root Node、Branch、Leaf／Terminal Node、Split，並理解 Decision Tree 為何容易轉成 Business Rules。
目標是預測 Titanic Passenger 的 Survived／Perished。原書先以 Sex 作 Predictor，再加入 Age，展示 Tree 如何逐層切分 Observations。
| 項目 | 原書內容 |
|---|---|
| Target | Survived／Perished |
| 第一個 Predictor | Sex |
| 新增 Predictor | Age |
| Sex＋Age Model | 15 Nodes（Node 0–14） |
從 Root Node 開始，依 Predictor 與 Split Point 將資料分到 Child Nodes；重複切分直到停止條件成立，再以 Terminal Node 的 Predicted Class 作分類。
原書示範可將 Tree Output 直接轉成規則，例如男性 Passenger 再依 Age Range 分支，最後預測 Survived 或 Perished。此處不另補原書圖中未完整擷取的 Node 數值。
Decision Tree 的優勢在於 Prediction Logic 可視、可解釋，也能直接轉成規則，因此對缺乏 Machine Learning 背景的管理者與 Stakeholders 較直觀。
根據 Decision Tree 的 Node Rules，把每一條 Root-to-Leaf Path 改寫為 IF–THEN–ELSE Business Rule；不得補入 Tree 未提供的條件。
為什麼 Decision Tree 比 Regression Equation 更容易轉成營運規則？
參考解答： 因 Tree 已將 Prediction Logic 表示為逐層條件分支，可直接轉成 IF–THEN–ELSE，而不必先解讀係數與方程式。