用excel做决策树(适合做决策树的数据)

1. 适合做决策树的数据

决策论中 （如风险管理），决策树（Decision tree）由一个决策图和可能的结果（包括资源成本和风险）组成， 用来创建到达目标的规划。决策树建立并用来辅助决策，是一种特殊的树结构。

决策树是一个利用像树一样的图形或决策模型的决策支持工具，包括随机事件结果，资源代价和实用性。它是一个算法显示的方法。

决策树经常在运筹学中使用，特别是在决策分析中，它帮助确定一个能最可能达到目标的策略。

如果在实际中，决策不得不在没有完备知识的情况下被在线采用，一个决策树应该平行概率模型作为最佳的选择模型或在线选择模型算法。决策树的另一个使用是作为计算条件概率的描述性手段。

2. 适合做决策树分析的数据

决策树的分裂准则

一、ID3决策树——以信息增益为准则来选择划分属性的决策树

二、C4.5决策树——以信息增益率为准则来选择划分属性的决策树

三、CART决策树——以基尼指数为准则来选择划分属性的决策树

在具体介绍决策树的分类准则之前，首先了解信息熵和条件熵的定义：

信息熵——度量样本集合纯度最常用的一种指标

​

3. 决策树需要什么样的数据

首先，要先了解决策树，决策树，就是一种把决策节点画成树的辅助决策工具，一种寻找最优方案的画图法。

再来看概率树，率树在决策树的基础上，增加了对条件发生概率的预测，和对结果收益的评估，然后加权平均得到一个“期望值”，用这个期望值，作为依据，辅助决策。

两者是不同的概念。

4. 什么是决策树分析

SPSS分类分析：决策树

一、决策树（分析-分类-决策树）

“决策树”过程创建基于树的分类模型。它将个案分为若干组，或根据自变量（预测变量）的值预测因变量（目标变量）的值。此过程为探索性和证实性分类分析提供验证工具。

1、分段。确定可能成为特定组成员的人员。

2、层次。将个案指定为几个类别之一，如高风险组、中等风险组和低风险组。

3、预测。创建规则并使用它们预测将来的事件，如某人将拖欠贷款或者车辆或住宅潜在转售价值的可能性。

4、数据降维和变量筛选。从大的变量集中选择有用的预测变量子集，以用于构建正式的参数模型。

5、交互确定。确定仅与特定子组有关的关系，并在正式的参数模型中指定这些关系。

6、类别合并和连续变量离散化。以最小的损失信息对组预测类别和连续变量进行重新码。

7、示例。一家银行希望根据贷款申请人是否表现出合理的信用风险来对申请人进行分类。根据各种因素（包括过去客户的已知信用等级），您可以构建模型以预测客户将来是否可能拖欠贷款。

5. 决策树 数据分析

精度越高，决策的准确率越大。

决策树是附加概率结果的一个树状的决策图，是直观的运用统计概率分析的图法。机器学习中决策树是一个预测模型，它表示对象属性和对象值之间的一种映射，树中的每一个节点表示对象属性的判断条件，其分支表示符合节点条件的对象。树的叶子节点表示对象所属的预测结果。

6. 大数据决策树

现在大数据不断发展衍生出了很多用途，而在营销上面的用途是彻底改变了营销模式。而该如何利用大数据来进行精准营销呢？

1、针对性营销

　　大数据可以提供某些企业交易特点和资金需求特点，可以帮助业务部门对企业的资金需求进行分析和筛选，提供现金管理产品，帮助企业解决流动性问题。大数据可以帮助信用卡中心追踪热点信息，针对特定人群提供精准营销产品，增加新卡用户，例如热映电影、娱乐活动、餐饮团购等。银行针对特定人群推出定制的理财产品，保险产品。

　　2、社交化营销-善融商务

　　人们的社交行为产生了巨大的数据，利用社交平台，结合大数据分析，金融行业可以开展成本较低的社交化营销，借助于开放的互联网平台，依据大量的客户需求数据，进行产品和渠道推广。通过互联网社交平台返回的海量数据，评测营销方案的阶段成果，实时调整营销能够方案，利用口碑传销和病毒式传播来帮助金融行业快速进行产品宣传、品牌宣传、渠道宣传等。

　　3、信用风险评估

　　银行可以利用大数据增加信用风险输入纬度，提高信用风险管理水平，动态管理企业和个人客户的形用风险。建立基于大数据的信用风险评估模型和方法，将会提高银行对中小企业和个人的资金支持。个人信用评分标准的建立，将会帮助银行在即将到来的信用消费时代取得领先。基于大数据的动态的信用风险管理机制，将会帮助银行提前预测高风险信用违约时间，及时介入，降低违约概率，同时预防信用欺诈。

　　4、欺诈风险管理

　　信用卡公司可以利用大数据及时预测和发现恶意欺诈事件，即使采取措施，降低信用开欺诈风险。银行可以基于大数据建立防欺诈监控系统，动态管理网上银行、POS机、ATM等渠道的欺诈事件，大数据提供了多纬度的监控指标和联动方式，可以弥补和完善目前反欺诈监控方式的不足。特别在识别客户行为趋势方面，大数据具有较大的优势。

　　5、提升客户体验

　　银行可以依据大数据分析，可以对进入网点的客户提供定制服务和问候，在节假日为客户提供定制服务，预知企业客户未来资金需求，提前进行预约，提高客户体验。私人银行可以依据大数据分析报告，帮助客户进行金融市场产品投资，赚取超额利润，形成竞争优势，提高客户体验。保险业务可以依据大数据预测为客户提前提供有效服务，提高客户体验，同时增加商业机会。理财业务可以利用大数分析，快速推出行业报告和市场趋势报告，帮助投资者及时了解热点，提高客户满意度。

　　6、需求分析和产品创新

　　大数据提供了整体数据，银行可以利用整体样本数据，从中进行筛选。可以从客户职业，年龄，收入，居住地，习惯爱好，资产，信用等各个方面对客户进行分类，依据其他的数据输入纬度来确定客户的需求来定制产品。银行还可以依据企业的交易数据来预测行业发展特点，为企业客户提供金融产品服务。

　　7、运营效率提升

　　大数据可以展现不同产品线的实际收入和成本，帮助银行进行产品管理。同时大数据为管理层提供全方面报表，揭示内部运营管理效率，有力于内部效率提升。大数据可以帮助市场部门有效监测营销方案和市场推广情况，提高营销精度，降低营销费用。大数据可以展现风险视图控制信用风险，同时加快信用审批。大数据可以帮助保险行业快速为客户提供保险方案，提高效率，降低成本。理财产品也可以利用大数据动态提供行业报告，快速帮助投资人。

　　8 、决策支持

　　大数据可以帮助金融企业，为即将实施的决策提供数据支撑，同时也可以依据大数据分析归纳出规律，进一步演绎出新的决策。基于大数据和人工智能技术的决策树模型将会有效帮助金融行业分析信用风险，为业务决策提供有力支持。金融行业新产品或新服务推向市场前，可以在局部地区进行试验，大数据技术可以对采集的数据精准营销进行分析，通过统计分析报告为新产品的市场推广提供决策支持。

7. 如何做决策树

决策树是一种用于分类的经典机器学习方法，它易于理解且可解释性强，能够在中等规模数据上以低难度获得较好的模型。之前很火的微软小冰读心术极可能就是使用了决策树