使用分类和决策树有助于识别组和关系，并预测结果。使用全功能 SPSS 试用版测试此功能。
IBM SPSS Decision Trees 让您能够识别组、发现它们之间的关系并预测未来事件。它具有视觉分类和决策树功能，可帮助您呈现分类结果并向非技术受众更清晰地解释分析结果。为分段、分层、预测、数据缩减和变量筛选创建分类模型。此外，您还可创建用于交互识别、类别合并和连续变量离散的模型。
此模块包含在适用于本地的 SPSS Statistics Professional 版本以及订阅计划的预测和决策树附加组件中。
安排时间讨论 SPSS Decision Trees 如何支持您的业务需求。
了解使用 Decision Trees 进行数据挖掘和知识探索任务的利弊
根据预测变量的值将案例分组或预测目标变量的值。允许您根据一组决策规则对未来的观察进行预测或分类。
包括用于探索性分类分析的验证工具。您还可使用以下几种方法之一来查看节点：在每个节点中显示目标变量的条形图和/或表格。
包括评估图形，以可视化表示形式展示收益汇总表。提供收益图，以便按最高（和最低）贡献来识别分段。
允许您将对象导出为任意 SPSS Statistics 输出格式。生成规则，用于定义 SQL 中选定的分段以对数据库进行评分，或是定义语法以对 SPSS Statistics 文件进行评分。
一种快速统计多路树算法，可快速探索数据并按所需结果构建分段和概要。
对 CHAID 算法的一种修改，可用于检查每个预测变量（自）变量的所有可能分割。
探索此模块中功能的完整列表，并比较所有 SPSS Statistics 版本中包含的功能。
一种全面的二叉树算法，可对数据进行分区并生成准确的均一子集。
一种统计算法，可无偏差地选择变量并快速、有效地构建更准确的二叉树。