文档介绍：:..C&Rtree的案例应用 Clementine应用C&Rtree全程为theclassificationandregressiontree,分类回归树是是•种基于树的分类和预测方法,模型使用简单,易于理解(规则解释起来更简明易),该方法通过在每个步骤最人限度降低不纯洁度,使用递归分区来将训练记录分割为组。。。r>->SPSS文件 12将Type节点加入到数据流中,并进行属性设置。将newschan的类型改为“标志”,方向改为“输出”。(S)—► 类型 值 缺尖 检查 方向QEDUCATE>GENDER>AGE<>7VDAYO0RGSoCHILDS>INC,氾围A集夕范困#范围,范困有序集合有序集合0,1>>>取取取读读读<<<\输入\输入\输入\输入NEWSCHANO#~TTo-◎输出®查香当笛字段O查香未使用的字段设S类型格式注解磺定』取消 I应用11重S3加入C-Rtree节点,在模型设置中选择“启动交互会话”,此功能是在节点被执行之后,在树生成模型前可以对树进行编辑。在“专家”栏中,选择专家模式,使用标准误差规则,,这个设置nl以形成一个比较简单的树模型。在停止标准中使用绝对位,父分支屮和子分支屮的最小记录分别为25,10。(8) ⑤ 类型>>NEWSCHANsj模型名称:Z自动自走义0使用分区数掮模式: 生成椹型*,启动交互会话□使用树指令 指令•••最大树状图深度:根以下的层: 51^子f又模型专哀分析注解确走►汍行Jl取消应用 重置停止赚o使用百分比2▲1A▼父分支(%)中的最小记录數:子分支(%〉中的最小记彔教:使用绝对值25▲▼10▲▼帮助乂分支中的最小记录教:子分支中的最小记录教:取消4运行此模型。NEWSCHAN节点0类别%■,K屮215个数裾W应为yes,占有约49%o5下面让我们利川树模型看看能否改善这种积极的回应。选择“中长树丼修建”选项结果如下:(3O&>在图中我们发现,在关于年龄的第二个节点中,yes的积极回应率增加到68%左在,。•%,继续向下面的节点看,即使在节点1之后的分类中,%。爷点2节点1类别% n类别% -<=—■■-节点13n类别%■。收益指数能够科助于划分每一个节点的目标类别的比例。选择目标类别为1。如下图:至m广5位数 ,|b-i啦 q