决策树分析如何用SPSS生成决策树并对新数据进行预测分析

决策树算法是哪个学科要学的内容啊

决策树算法是一种逼近离散函数值的方法。

它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。

本质上决策树是通过一系列规则对数据进行分类的过程。

决策树方法最早产生于上世纪60年代，到70年代末。

由J Ross Quinlan提出了ID3算法，此算法的目的在于减少树的深度。

但是忽略了叶子数目的研究。

C4.5算法在ID3算法的基础上进行了改进，对于预测变量的缺值处理、剪枝技术、派生规则等方面作了较大改进，既适合于分类问题，又适合于回归问题。

决策树算法构造决策树来发现数据中蕴涵的分类规则．如何构造精度高、规模小的决策树是决策树算法的核心内容。

决策树构造可以分两步进行。

第一步，决策树的生成：由训练样本集生成决策树的过程。

一般情况下，训练样本数据集是根据实际需要有历史的、有一定综合程度的，用于数据分析处理的数据集。

第二步，决策树的剪枝：决策树的剪枝是对上一阶段生成的决策树进行检验、校正和修下的过程，主要是用新的样本数据集（称为测试数据集）中的数据校验决策树生成过程中产生的初步规则，将那些影响预衡准确性的分枝剪除。

决策树分析法的利用决策树评价生产方案

决策树是确定生产能力方案的一条简捷的途径。

决策树不仅可以帮助人们理解问题，还可以帮助人们解决问题。

决策树是一种通过图示罗列解题的有关步骤以及各步骤发生的条件与结果的一种方法。

近年来出现的许多专门软件包可以用来建立和分析决策树，利用这些专门软件包，解决问题就变得更为简便了。

决策树由决策结点、机会结点与结点间的分枝连线组成。

通常，人们用方框表示决策结点，用圆圈表示机会结点，从决策结点引出的分枝连线表示决策者可作出的选择，从机会结点引出的分枝连线表示机会结点所示事件发生的概率。

在利用决策树解题时，应从决策树末端起，从后向前，步步推进到决策树的始端。

在向前推进的过程中，应在每一阶段计算事件发生的期望值。

需特别注意：如果决策树所处理问题的计划期较长，计算时应考虑资金的时间价值。

计算完毕后，开始对决策树进行剪枝，在每个决策结点删去除了最高期望值以外的其他所有分枝，最后步步推进到第一个决策结点，这时就找到了问题的最佳方案。

下面以南方医院供应公司为例，看一看如何利用决策树作出合适的生产能力计划。

南方医院供应公司是一家制造医护人员的工装大褂的公司。

该公司正在考虑扩大生产能力。

它可以有以下几个选择：1、什么也不做；2、建一个小厂；3、建一个中型厂；4、建一个大厂。

新增加的设备将生产一种新型的大褂，目前该产品的潜力或市场还是未知数。

如果建一个大厂且市场较好就可实现$100，000的利润。

如果市场不好则会导致$90，000的损失。

但是，如果市场较好，建中型厂将会获得$ 60,000，小型厂将会获得$40，000，市场不好则建中型厂将会损失$10,000，小型厂将会损失$5，000。

当然，还有一个选择就是什么也不干。

最近的市场研究表明市场好的概率是0.4，也就是说市场不好的概率是0.6。

参下图： 在这些数据的基础上，能产生最大的预期货币价值（EMV）的选择就可找到。

EMV（建大厂）=（0.4）*($100,000)+(0.6)*(-$90,000)=-$14,000 EMV（中型厂）=(0.4) *($ 600,000))+(0.6)* (-$10,000)=+$18,000 EMV(建小厂)=(0.4)* ($40,000)+(0.6)*(-$5,000)=+$13,000 EMV(不建厂)=$0 　根据EMV标准，南方公司应该建一个中型厂。

如何用SPSS生成决策树并对新数据进行预测分析

SPSS——回归——线性——选择分析变量——保存（save）——预测区间（predictionintervals）——选择上均数（Mean）和个体（individual）运行即可。

结果在SPSS打开的

管理学决策树法，关于管理学中决策树的问题怎么做

决策树法用于风险性决策，就是在比较和选择活动方案时未来情况不止一种，管理者无法确定那种情况将发生，但是知道每种情况发生的概率。

决策树法是用树状图来描述各种方案在不同情况(或自然状态）下的收益，据此计算每种方案的期望收益从而作出决策的方法。

举例： 某企业为了扩大某产品的生产，拟建设新厂。

据市场预测，产品销路好的概率为0.7，销路差的概率为0. 30有三种方案可供企业选择： 方案1、新建大厂，需投资300万元。

据初步估计，销路好时，每年可获利100万元；销路差时，每年亏损20万元。

服务期为10年。

方案2、新建小厂，需投资140万元。

销路好时，每年可获利40万元；销路差时，每年仍可获利30万元。

服务期为10年。

方案3 、 先建小厂，三年后销路好时再扩建，需追加投资200万元，服务期为7年，估计每年获利95万元。

问哪种方案最好？ 决策树中， 矩形结点称为决策点，从决策点引出的若干条树枝枝表示若干种方案，称为方案枝。

圆形结点称为状态点，从状态点引出的若干条树枝表示若干种自然状态，称为状态枝。

图中有两种自然状态：销路好和销路差，自然状态后面的数字表示该种自然状态出现的概率。

位于状态枝末端的是各种方案在不同自然状态下的收益或损失。

据此可以算出各种方案的期望收益。

方案1的期望收益为： [0.7×100+0.3×(-20)]×10 - 300=340（万元） 方案2的期望收益为： (0.7×40+0.3×30) - 140= 230（万元） 至于方案3，由于结点④的期望收益465(= 95×7- 200)万元，大于结点⑤的期望收益280(= 40×7)万元，所以销路好时，扩建比不扩建好。

方案3（结点③）的期望收益为：(0.7×40×3+0.7 X465 +0.3×30×10) - 140= 359.5（万元） 计算结果表明，在三种方案中，方案3最好 在复杂的决策树中还会将利率（货币的时间价值因素）考虑进去，简单建模做出决策树以后计算收益或损失即可。

如何用SPSS生成决策树并对新数据进行预测分析

SPSS——回归——线性——选择分析变量——保存（save）——预测区间（prediction intervals）——选择上均数（Mean）和个体（individual）运行即可。

结果在SPSS打开的