|
Эффективная сегментация при помощи Classification Trees
Для того чтобы получить обоснованные выводы, не обязательно быть статистиком. Classification Trees автоматически строит дерево, позволяя очень быстро начать работу с программой. Нужно только указать целевую переменную, переменные-предикторы и выбрать алгоритм построения дерева решений. Classification Trees автоматически просеивает данные и находит статистически значимые группы.
С помощью интуитивно понятных древовидных диаграмм, графиков и таблиц Classification Trees можно просто и быстро сегментировать данные. Древовидная диаграмма, которая похожа на блок-схему, позволяет моментально визуализировать выделенные сегменты и закономерности в данных.
Каждый уровень дерева — от корня и до последнего листа — отображает наилучшие предикторы для данного отклика. Каждый узел — это уникальный сегмент данных, что позволяет осмысленно работать с результатами.
Чтобы внимательно изучить каждую группу, можно увеличить любой узел на карте дерева. Динамично связанные столбиковые диаграммы, сводные статистические таблицы и данные представляют всю необходимую информацию по любому выбранному узлу.
Для получения максимально достоверных результатов обучите модель на подвыборке, затем протестируйте надежность модели на оставшихся данных. Насколько хорошо модель описывает данные, можно увидеть, переключаясь с обучающей модели на контрольную.
Представить результаты анализа можно в любом формате, например, вывести информацию по каждому узлу в виде таблицы или графика либо их комбинации.
|
