树模型（又称决策树或者树结构模型）：基本思想和方差分析中的变异分解极为相似。

目的（基本原则）：将总研究样本通过某些牲（自变量取值）分成数个相对同质的子样本。每一子样本因变量的取值高度一致，相应的变异/杂质尽量落在不同子样本间。所有树模型的算法都遵循这一基本原则。

不同树模型差异：差异在于对 变异/杂质的定义不同。比如 P值、方差、熵、Gini指数（基尼指数）、Deviance等作为测量指标。

树模型分类：根据预测的 因变量类型，树结构模型可以分为分类树、回归树两大类。

常用算法：

CHAID（卡方自交互侦测决策树）—Chi-squared Automatic Interaction Detector
CRT（分类回归树）—Classification Regression Tree；

C5.0以信息熵的下降速度作为确定最佳分支变量和分割阀值的依据。面对数据遗漏和输入字段很多的问题时非常稳健。

决策树需要计算结点的纯度来选择最具显著性的切分（split）。通常，CART以Gini，C5以信息增益（熵），CHAID以卡方。虽然存在这样的差别，但他们树形状的不同更为重要一些。

C5起源于计算科学领域，讲究小样本上的重复测试比较（cross validation），进一步地，C5会进行规则（Rule Set）的概化以自动产生更为简洁的规则表达形式。牺牲一些精度来换取更好记的规则，对于业务人员来说无疑是值得的。

分类决策树CHAID&CRT(转帖沈浩老师)

————————————————————————————

CRT内容：

当 因变量是分类变量时，即为 分类树；当因变量为 连续变量则为 回归树。

目的：将 总研究人群某些特征（ 自变量取值）分成数个相对同质的 亚人群。每一亚人群 内部 因变量的取值高度一致，相应的变异/杂质尽量落在不同亚人群间。就是按照预测误差最小化原理，依次按照二分法将总样本划分为多个子样本的过程。

路径：spss statistics——分析——分类——树，打开CRT功能节点。

转至沈浩老师博客： http://shenhaolaoshi.blog.sohu.com/144586147.html
点击可查看详细示例。

假设我们有一个移动业务数据，包含有客户的性别、年龄、语音费用、数据费用、客户等级、支付方式和促销套餐变量。我们现在期望能够得到针对不同的促销套餐来分析“客户画像”，这样有利于针对性的促销！也就是不同套餐客户特征描述！
因变量是促销套餐，其它是预测变量或自变量！

我们看到，首先要求我们定义变量的测量等级并定义好变量变标和值标！因为，CHAID和CRT具有智能特性，也就是自交互检验和自回归能力，所以对变量测量尺度要求严格！
为什么说变量测量等级重要呢？例如，我们有个变量叫学历（1-初中、2-高中、3-大专、4-本科、5-硕士以上），如果我们设定为定序变量，则决策树可以自动组合分类，但无论如何都是顺序组合，也就是说可能（1-初中、2-高中、3-大专）为一类，（4-本科、5-硕士以上）为一类，但绝对不会把1和5合并一类；如果我们定义为名义变量，则可以任意学历组合为某类了！

基本原理：基于目标变量（独立变量）自我分层的树状结构，根结点是因变量，预测变量根据卡方显著性程度不断自动生成父节点和子节点，卡方显著性越高，越先成为预测根结点的变量，程序自动归并预测变量的不同类，使之成为卡方显著性。程序根据预先设定的树状水平数停止。最后每一个叶结点就是一个细分市场。当预测变量较多且都是分类变量时，CHAID分类最适宜。
预测变量大部分都是人口统计资料，使研究者很快就可以找出不同细分市场特征。传统的交互分析对多维交叉表和归并类是一项繁重的工作。
首先，我们确定因变量后，放入其它自变量。接下来，我们要选择CHAID的验证和条件参数！一般来讲：我们主要设定父节点和子节点的数量，以及规定树状结构的水平数，如何生长！分类树将根据设定参数决定树的增长和停止！通常，我们考察总的样本量大小，父节点是子节点的两倍，当然如果设定的太小，树会非常茂盛，得到很多非常小的细分市场，可能没有实际营销意义！树的水平数也是同样道理！

其它还有很多参数可以设定，比如分割样本，错误分类成本，利润等，分类决策树可以直接输出结果和SPSS语法或SQL语法规则！（略）
因为树比较大，看不清楚，我们需要在树查看器中分析！

从查看器中我们可以看到，客户等级最显著，也最重要，首先跑上来！针对低端客户，账单支付方式重要，对于预付话费的人来讲，数据业务小于50.73的主要是Y类套餐！这样我们就可以看到这个类别的特征了！
最后的分类预测正确分类84.4%。

下面是生成的SQL语法规则：
UPDATE
SET nod_001 = 4, pre_001 = 5, prb_001 = 0.974026
WHERE ((客户等级 IS NULL) OR 客户等级 <> 2 AND 客户等级 <> 3) AND ((数据业务 IS NULL) OR (数据业务 <= 38.754));