A impureza de uma partição em uma árvore de decisão será considerada maior quanto mais homogênea ela for em relação às classes dos exemplares.

Por não serem adequadas a atributos numéricos, as árvores de decisão são utilizadas de forma exclusiva para atributos categóricos.

Cada caminho de uma árvore de decisão — do nó-raiz até uma folha — representa um conjunto de decisões aleatórias aplicadas ao conjunto de treinamento.

A interpretação de uma árvore de decisão não é recomendada para justificar decisões, pois o modelo resultante tende a ser opaco e de difícil compreensão.

A árvore de decisão pode ser percorrida por um exemplar de teste desde a raiz até uma folha; as decisões são tomadas com base nos atributos, gerando-se uma classificação.