Show Menu
主题×

决策树生成器

决策树是对预测分析的可视化,用于评估访客特性与关系。决策树生成器根据指定的正类用例和一组输入生成决策树可视化。
决策树是一个二进制分类器,其中包含一组规则(或过滤器),用于根据正类用例识别满足特定规则的访客。决策树设置一组规则,以分类满足(或不满足)此正类用例的访客。这些规则生成一份树图,提供符合这些正类用例结果的置信度级别。
决策树的生成需要对每个级别的输入进行检查,并选择在一个指定分割点能实现最大信息获取的级别。每个变量级别的分割点会生成两个集:
  • 小于或等于分割点的值,以及
  • 大于分割点的值。
使用决策树可以
  • 花费更少的时间执行有意义的分析和解释。
  • 应用自动区段生成。
  • 快速基于大量数据从模型做出推论。
工具栏和菜单
工具栏包括决策树的各个按钮和菜单命令,其中包括设置正类用例和添加输入列表的功能。
与其他可视化一样,您可以通过 元素 框拖放维度和元素,但是您也可以直接从“查找器”窗格拖动。
有关其他信息,请参阅 决策树选项
输入列表
此区域显示树模型中的各项输入。这些输入用不同颜色标示,以匹配树显示区域的节点。
右键单击某个输入时,可以从模型中删除该输入并重置。
如果您将鼠标悬停在树节点上,会显示分割条件以及到该节点的分支和该节点及其置信度值的预测。
树显示
此区域显示树模型,并基于预测用颜色标示叶节点:绿色表示正类用例的 True 预测,红色表示 False 预测。
匹配其选择条件的输入的分割节点会用颜色标示。将鼠标悬停在节点上会显示该分割的相关信息,并展开输入列表以显示分割点及分支和培训集分配。
默认情况下,不会显示低于阈值的节点。单击可扩展的节点(用 + 号指示)可以展开一个分支。单击根节点可返回到全树显示。