Решающие списки, как и любой другой алгоритм машинного обучения, имеют свои недостатки. Рассмотрим предложенные варианты и выделим те, которые действительно являются недостатками решающих списков:

• Обученное по выборке правило классификации можно выполнять "вручную" - это не является недостатком, так как возможность ручного выполнения правил может быть даже преимуществом, позволяющим лучше понять модель.
• Возможность обработки разнотипных данных с пропусками - это также не недостаток. Наоборот, решающие списки могут хорошо работать с данными, содержащими пропуски, что является их преимуществом.
• Простота классификации - это не недостаток, а скорее достоинство решающих списков, так как они легко интерпретируемы и понятны для человека.
• Если множество правил Ф выбрано неудачно, список может не построится - это действительно недостаток, так как неудачный выбор правил может привести к тому, что алгоритм не сможет адекватно классифицировать данные.
• Каждый объект классифицируется только одним правилом - это также может быть недостатком, так как в некоторых случаях более сложные модели, позволяющие учитывать множественные правила, могут давать лучшие результаты.

Таким образом, недостатками решающих списков являются:

• Если множество правил Ф выбрано неудачно, список может не построится.
• Каждый объект классифицируется только одним правилом.