RDR과 의사결정트리는 각각 지도 학습의 한 방법으로 주어진 데이터를 분류하는 문제를 다룬다. 두 방법 모두 이미 알고 있는 정답셋을 이용하여 분류 방법을 생성한 후 주어진 대상의 정답을 예측하고, 최상위 루트 노드로부터 그 하위로 나뉘어 내려가며 노드를 생성한다. 하지만 두 방법에는 차이점이 존재한다. 의사결정트리는 데이터를 분류하기 위한 최적의 변수를 찾기 위해 확률 또는 통계 데이터를 이용하고 그 변수를 기준으로 트리를 생성하며 생성된 노드를 최적화하기 위해서 노드를 병합하는 과정을 거친다. 이와 다르게 RDR의 경우, 먼저 하나의 규칙이 생성되면 그 규칙이 가질 수 있는 예외, 즉, “EXCEPT”가 발생할 수 있는 경우에 대해서 예외적인 처리를 생성하고 더 이상의 예외가 발생하지 않고 새로운 규칙을 생성할 때, “FALSE”가 발생하여 새로운 예측변수에 대한 규칙을 생성한다. 또한 정답을 결정하는 과정에서 의사결정트리는 관측대상이 가진 변수들이 생성할 수 있는 확률 또는 통계값에 의해 정답이 결정되고, RDR의 경우에는 관측대상이 가진 변수를 다루는 모든 규칙을 확인하며 가장 마지막에 “ACCEPT”한 규칙에 의해 분류된다.