SPSS Modeler 决策树CART算法实践案例（第十三章）

前面，小编和大家一起学习了关于决策树C5.0算法进行决策树分析，今天，继续学习使用CART算法进行决策树分析。

首先，我们了解一下CART算法与C5.0算法的区别：

• 目标变量类型：C5.0算法只能处理分类型目标变量，CART算法既能处理分类型，也能处理连续型目标变量生成分类树；
• 衡量指标不同：在决策树生长阶段，CART算法分别采用基尼系数（分类树）以及方差（回归树）作为树生长的衡量指标；
• 修剪方法不同：C5.0基于悲观误差估计进行剪枝，而CART算法是根据最小代价复杂度剪枝；
• 树形结构不同：CART决策树是一种二叉树结构，无论变量的水平有多少种，最后只会生成两个分支。C5.0决策树则能生成多叉树。

1. CART算法实现决策树分析

CART决策树节点

案例：Demo数据文件“bankloan.sav”。（违约风险分析，识别每名客户属于违约组还是非违约组）