本发明属于机器学习领域，针对现有基于FPGA的包含浮点阈值的决策树模型的硬件实现方法无法在降低硬件巨大存储和计算资源的同时保持模型的分类性能的问题，提供一种基于FPGA的决策树模型中的浮点数阈值离散化方法，包括以下步骤：第一步，离散化决策树模型中的浮点数阈值；第二步，离散化待分类样本的浮点数特征；第三步，基于层级流水的决策树加速模型对待分类样本分类识别。本发明通过离散化轴平行二叉决策树模型中的浮点数阈值，将模型中的浮点数转换为整数，在不改变模型的分类性能的前提下减少硬件实现需要的存储和计算资源，优化硬件实现方案。