商务智能课程论文2剖析.docx

基于SPSS Modeler的自行车销售预测分析引言随着资讯科技的演进，如何通过方法有效的分析海量数据，并从其中找到有利的规格或资讯已经成为一种趋势。而决策树演算法是目前在进行数据分析时很常用的分类方法，本文将使用 IBM SPSS Modeler进行实作，介绍决策树 (Decision tree) 演算法于零售领域的应用实例。IBM SPSS Modeler包含多种决策树模型，包括 C5.0、CR Tree、Quest、CHAID。首先，本文将会简介决策树演算法的基本原理，接着会针对案例数据 (某公司自行车销售数据) 进行初步的数据分析，并套入决策树模型中，分析、解释并讨论最后的结果。本文所用分析工具为IBM SPSS Modeler 17 试用版，所建立模型需IBM SPSS Modeler 15及以上版本才可正常查看。1.决策树演算法 (Decision Tree) 简介1.1决策树演算法的原理决策树演算法是在进行数据挖掘时经常使用的分类和预测方法。一个决策树的架构，是由三个部分所组成：叶节点 (Leaf Node)、决策节点 (Decision nodes) 以及分支。决策树演算法的基本原理为：通过演算法中所规定的分类条件对于整体数据进行分类，产生一个决策节点，并持续依照演算法规则分类，直到数据无法再分类为止。决策树演算法的比较决策树演算法依据其演算原理以及可适用分析数据类