概要
IBM® SPSS® Decision Treesを使用すると、グループの識別、グループ間の関係の発見、将来のイベントの予測が可能となります。 視覚的な分類木と決定木を備えたこのモジュールは、非技術的な対象者に対し、カテゴリーの結果を提示して分析をより明確に説明するうえで役立ちます。 区分化、階層化、予測、データ削減、および変数スクリーニングのための分類モデルを作成します。 また、交互作用の特定、カテゴリー結合、連続変数の離散化のためのモデルを作成できます。
このモジュールは、オンプレミスのSPSS Statistics Professionalエディション、およびサブスクリプション・プラン用の「予測と決定木」アドオンに含まれています。
主要な機能
ツリー分類モデル
ケースをグループに分類するか、予測子変数の値に基づいて目的変数の値を予測します。一連の決定規則に基づいて将来の観測を予測または分類できます。
検証と分析
探索分類分析のための検証ツールを組み込んでいます。複数の方法のいずれかを使用してノードを表示することもできます。 各ノード内のターゲット変数、表、またはその両方について、棒グラフを表示できます。
評価機能
利益要約表のビジュアル表示を可能にする評価グラフを組み込んでいます。 最も高い （および最も低い）貢献度によって区分を識別する利益チャートを提供します。
エクスポート機能
オブジェクトをSPSS Statistics出力形式にエクスポートできます。データベースにスコアを付けるためにSQLで選択された区分を定義するルールを生成するか、SPSS Statisticsファイルにスコアを付けるための構文を定義します。
CHAIDアルゴリズム
データを高速に探索し、目的とする結果を得るための区分とプロファイルを構築する、高速で統計的な多分木（マルチウェイ・ツリー）アルゴリズムです。
Exhausted CHAIDアルゴリズム
CHAIDアルゴリズムの拡張版で、予測変数ごとに可能なすべての分岐を調べます。
完全な機能リストへのアクセス
このモジュール内の機能の完全なリストを探索し、すべてのSPSS Statisticsエディションに含まれている機能を比較します。
Classification and regression tree（C&RT）アルゴリズム
完全な二分木（バイナリー・ツリー）アルゴリズムで、データを分割し、同質のサブセットを正確に作成します。
QUESTアルゴリズム
偏り（バイアス）なく変数を選択する統計アルゴリズムで、二分木を高速かつ効率的に作成します。
製品イメージ
技術的詳細
ハードウェア要件
- プロセッサー: 2 GHz以上
- モニター: 1024*768以上
- メモリー: 4 GBのRAMが必要、8 GB以上のRAMを推奨
- ディスク・スペース: 2GB以上