excel决策树工具箱(如何在excel建立决策树)

1. 如何在excel建立决策树

1、打开excel表格

2、点击文件

3、点击新建

4、搜索并点击树状图

5、接着点击创建

6、最后即可设置完成

2. excel怎么做决策树

1.其实可以用TreePlan 是一款EXCEL上的插件。有了它就可以非常轻松的利用决策树做决策（完全不用懂计算和原理）。

2.TreePlan 不需要安装。直接双击打开就行。发现菜单栏“加载项”下多了一个菜单命令。点击“Decision Tree”，生成一颗新树。

3.选中节点，添加分支。默认只有2支，因此你还需要添加2个分支。并且在单元格内输入对应的文字。

3. 如何利用决策树进行决策

决策树分析法是一种运用概率与图论中的树对决策中的不同方案进行比较，从而获得最优方案的风险型决策方法。

图论中的树是连通且无回路的有向图，入度为0的点称为树根，出度为0的点称为树叶，树叶以外的点称为内点。

决策树由树根（决策节点）、其他内点（方案节点、状态节点）、树叶（终点）、树枝（方案枝、概率枝）、概率值、损益值组成。

4. Excel加载项怎么画决策树

Microsoft Excel是是由Microsoft为Windows和Apple Macintosh操作系统的电脑而编写和运行的一款试算表软件。Excel 是微软办公套装软件的一个重要的组成部分，它可以进行各种数据的处理、统计分析和辅助决策操作。Excel中大量的公式函数可以应用选择，使用Microsoft Excel可以执行计算，分析信息并管理电子表格或网页中的数据信息列表与数据资料图表制作，可以实现许多方便的功能。我这里给大家说说Excel表格文字横排设置成竖排的技巧方法、就是利用文字方向来实现竖排和Excel自动换行来实现竖排！ 利用文字方向来实现竖排 1首先，光标单击选中需要竖排的单元格，然后单击菜单栏的“格式”下拉列表中的“单元格”，在弹出的“单元格格式”窗口中选择“对齐”，然后单击“方向”下面的“文本”按钮，然后确定即可；、 2输入文字，在Excel表格中就能呈现出来竖排。 END Excel自动换行来实现竖排 1选中需要将文字竖排的单元格，依次选择菜单栏的“格式”-->单元格-->对齐-->将“自动换行”勾选，确定；

2设置完毕自动换行以后，我们再来将单元格的宽度调整窄一点 3再次进入“单元格格式”将“水平对齐”和“垂直对齐”全部设置为“居中”确定即可。

5. 如何在excel建立决策树模块

1、首先打开需要编辑的excel，点击选择上方“数据”按钮。

2、然后在新的界面里点击选择“假设分析”菜单中“单变量求解”按钮。

3、之后在新的界面里在弹出单变量求解对话框，分别输入相对应内容。最后单击确定。

4.最后单击确定，关闭单变量求解状态对话框即可。

6. 怎么建立决策树

原始训练集为N，应用bootstrap法有放回的随机抽取k个新的自助样本集，并由构建k棵决策树。每次未被抽到的样本组成了k个袋外数据；

设有M个变量，在每一棵树的每个节点处随机抽取m(m<M)个变量，从m中选择一个最具有分辨能力的变量，变量的阈值通过检查每一个分类点确定。

每棵树最大限度的生长，不做任何修剪（普通的决策树算法需要剪枝）。

将生成的多棵分类树组成随机森林，用随机森林分类器对新的数据进行判断与分类，其分类结果按决策树分类器的投票决定。

优点

对于很多种资料，它可以产生高准确度的分类器。

它可以处理大量的输入变量。

可以在决定类别时，评估变量的重要性。

它包含一个好方法可以估计遗失的资料，并且，如果有很大一部分的资料遗失，仍可以维持准确度。

它提供一个实验方法，可以去侦测variable interactions。

对于不平衡的分类资料集来说，它可以平衡误差。

它计算各例中的近亲度，对于数据挖掘、侦测偏离者（outlier）和将资料视觉化非常有用。

它可以延伸应用在未标记的资料上，即使用非监督式聚类方法。也可以侦测偏离者和观看资料。

学习过程速度很快。

能够处理很高维度的数据，并且不用做特征选择。

创建随机森林的时候，对generlization error使用的是无偏估计。

容易扩展到并行方法

缺点

在某些噪音较大的分类或回归问题上会过拟合

对于有不同级别的属性的数据，级别划分较多的属性会对随机森林产生更大的影响，也就是说随机森林在这种数据上产生的属性权值是不可信的。

简要描述

随机森林，是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵之间是没有关联的，在得到森林之后，当有一个新的输入样本进入的时候，让森林中的每一棵决策树分别进行判断，对其进行分类，最后预测为被选择的最多的那一类。建立决策树的过程中，需要注意两点：采样与完全分裂。首先是两个随机采样的过程，random forest对输入的数据进行行列的采样；这里的采样，可能存在重复的样本。假设有N个样本，那么采样的样本也为N个，在训练的时候，每一棵树的输入样本都不是全部的样本，使得相对不容易出现over-fitting。然后进行列采样，从M个feature中选择m（m<M）个,之后就是对采样后的数据使用完全分裂的方式建立出决策树，这样决策树的某一个叶子节点要么是无法继续分裂的，要么里面所有的样本都指向同一个分类。 一般很多的决策树算法都有一个很重要的步骤-剪枝，这里不需要这样做，因为之前的两个随机采样的过程保证了随机性，就算不减枝，也不会出现over-fitting。

需要注意的是： 每一棵决策树相对是较弱的，但是将多棵决策树结合起来就十分强大。可以这样比喻随机森林算法：每一棵决策树就是一个精通某一个窄领域的专家（从M个feature中选择m个让每一棵决策树进行学习），这样在随机森林中就有很多个精通不同领域的专家，对一个新的输入数据，可以从不同的角度去分析，最终由各方面的专家进行投票，得到最终结果。

7. excel建立组织树

1.

首先打开Excel表格进行编辑

2.

选中职位单元格,选择插入,选择SmartArt

3.

选择层次结构,选择其中一项,点击确定

4.

复制职位单元格在基本列表中

5.

多余空的删除掉

6.

按Tab键进行职位降级

7.

组织结构图 完成