决策树分析法 决策树分析方法

SPSS决策树分析法特点

1、决策树分析法能显抄示出决策过程，具体形象袭，便于发现问题。1、决策树分析法能把风险决策的各个环节联系成一个统一的整百体，有利于决策过程中的思考度，易于比较各种方知案的优劣。

3、决策树分析法既可以进行定性分析，也可以进行定量道计算。

决策树和决策法是

决策树分析法是一种运用概率与图论中的树对决策中的不同方案进行比较，从而获得最优方案的风险型决策方法。图论中的树是连通且无回路的有向图，入度为0的点称为树根，出度为0的点称为树叶，树叶以外的点称为内点。决策树由树根（决策节点）、其他内点（方案节点、状态节点）、树叶（终点）、树枝（方案枝、概率枝）、概率值、损益值组成。

宏观分析方法

宏观分析的方法是用来研究整体经济、社会、政治情况的方法。下面介绍几种常见的宏观分析方法。

1.SWOT分析法。SWOT分析即对一个事件或问题进行内部优劣和外部机会威胁的评估和分析，找出其在可控范围内的优点和不足以及外部环境的机会和威胁，从而确定战略方向。

2.PESTLE分析法。PESTLE分析是从政治、经济、社会、技术、法律、环境等六个角度对一个事件或问题进行宏观分析，以寻找可能的机会和威胁，为制定适当的战略提供基础。

3.Porter五力分析法。Porter五力分析法是对市场竞争环境进行宏观分析的方法，包括竞争对手、潜在竞争者、顾客、供应商和替代品的威胁等方面。

4.财务分析法。财务分析法是通过对企业的财务报表进行分析，如资产负债表、利润表和现金流量表等，来研究企业整体的财务状况和运营情况，从而得出企业的宏观运营状况。

5.现象分析法。现象分析法是对各种不同领域的现象进行观察，通过对这些现象的相互关系和作用的分析，来推测更深层次的原因和机制，例如社会现象、市场行情等等。

这些宏观分析方法可以针对不同领域和方面进行应用，帮助人们更好地理解和把握事物的本质、趋势和发展方向，为决策和规划提供参考依据。

决策树分析方法

决策树分析法是指分析每个决策或事件（即自然状态）时，都引出两个或多个事件和不同的结果，并把这种决策或事件的分支画成图形，这种图形很像一棵树的枝干，故称决策树分析法。

决策树法的几个关键步骤是：

（1）画出决策树，画决策树的过程也就是对未来可能发生的各种事件进行周密思考、预测的过程，把这些情况用树状图表示出来。先画决策点，再找方案分枝和方案点。最后再画出概率分枝。

（2）由专家估计法或用试验数据推算出概率值。并把概率写在概率分枝的位置上。

（3）计算益损期望值，从树梢开始，由右向左的顺序进行。用期望值法计算。若决策目标是盈利时，比较各分枝，取期望值最大的分枝，其他分枝进行修剪。

决策树是什么，求

决策树是数学、计算机科学与管理学中经常使用的工具。决策论中(如风险管理)，决策树(Decisiontree)由一个决策图和可能的结果(包括资源成本和风险)组成，用来创建到达目标的规划。决策树建立并用来辅助决策，是一种特殊的树结构。决策树是一个利用像树一样的图形或决策模型的决策支持工具，包括随机事件结果，资源代价和实用性。它是一个算法显示的方法。决策树经常在运筹学中使用，特别是在决策分析中，它帮助确定一个能最可能达到目标的策略。如果在实际中，决策不得不在没有完备知识的情况下被在线采用，一个决策树应该平行概率模型作为最佳的选择模型或在线选择模型算法。决策树的另一个使用是作为计算条件概率的描述性手段。决策树提供了一种展示类似在什么条件下会得到什么值这类规则的方法。比如，在贷款申请中，要对申请的风险大小做出判断，图是为了解决这个问题而建立的一棵决策树，从中我们可以看到决策树的基本组成部分：决策节点、分支和叶子。决策树中最上面的节点称为根节点，是整个决策树的开始。本例中根节点是“收入>￥40,000”，对此问题的不同回答产生了“是”和“否”两个分支。决策树的每个节点子节点的个数与决策树在用的算法有关。如CART算法得到的决策树每个节点有两个分支，这种树称为二叉树。允许节点含有多于两个子节点的树称为多叉树。决策树的内部节点（非树叶节点）表示在一个属性上的测试。每个分支要么是一个新的决策节点，要么是树的结尾，称为叶子。在沿着决策树从上到下遍历的过程中，在每个节点都会遇到一个问题，对每个节点上问题的不同回答导致不同的分支，最后会到达一个叶子节点。这个过程就是利用决策树进行分类的过程，利用几个变量（每个变量对应一个问题）来判断所属的类别（最后每个叶子会对应一个类别）。例如，假如负责借贷的银行官员利用上面这棵决策树来决定支持哪些贷款和拒绝哪些贷款，那么他就可以用贷款申请表来运行这棵决策树，用决策树来判断风险的大小。“年收入>￥40,00”和“高负债”的用户被认为是“高风险”，同时“收入5年”的申请，则被认为“低风险”而建议贷款给他/她。数据挖掘中决策树是一种经常要用到的技术，可以用于分析数据，同样也可以用来作预测（就像上面的银行官员用他来预测贷款风险）。常用的算法有CHAID、CART、ID3、C4.5、Quest和C5.0。建立决策树的过程，即树的生长过程是不断的把数据进行切分的过程，每次切分对应一个问题，也对应着一个节点。对每个切分都要求分成的组之间的“差异”最大。对决策树算法的研究开发主要以国外为主，现有的涉及决策树算法的软件有SEE5、Weka、spss等，在国内也有不少人开展了对决策树算法的构建及应用研究，如中国测绘科学研究院在原有C5.0算法的基础上进行了算法重构，将其用于地表覆盖遥感影像分类中。