目的変数に対して多数の要因でデータセットをセグメントに分岐し、ツリー図を構築する分析手法です。変数の選択や分岐の基準に不純度を用いており、CHAIDと並びよく利用されるディシジョンツリーの手法ですが、分岐は常に2つになるのが特徴です。 目的変数には、カテゴリ変数（比率）とスケール変数（平均値）の両方が利用できます。カテゴリ変数の場合の不純度はGini係数を利用することができ、スケール変数の場合の不純度は分散になります。 常に2分岐になるためツリーは深くなりやすく、ツリーの成長停止規則を定義しないと、不純度が0になるまで分岐されオーバーフィットが起こるため、剪定（枝刈り）が必要です。目的変数をスケール変数で分割する際のカットオフ値の探索にも応用されます。