Zpět

IBM SPSS Decision Trees

Odhalte skryté vztahy v datech

Hledáte snadno interpretovatelný predikční model?
Chcete identifikovat nejdůležitější prediktory?
Potřebujete odhalit skryté vztahy v datech?

Nalezněte homogenní skupiny, identifikujte nejdůležitější prediktory, klasifikujte a predikujte, optimalizujte kategorizace číselných proměnných pro přesnější a rychlejší rozhodování. 

IBM SPSS Decision Trees nabízí:

  • metodu využitelnou jak pro číselné, tak pro kategorizované proměnné a jejich kombinace,
  • 4 algoritmy růstu stromu: CHAID, Exhaustive CHAID, CRT a QUEST,
  • podrobnější nastavení: volbu kritérií pro růst stromu, ošetření chybějících hodnot, prořezávání, zadání apriorních pravděpodobností, penalizaci chyb, nákladů a výnosů,
  • intuitivní a názornou grafickou reprezentaci stromu,
  • přehledný editor výstupu s množstvím funkcí,
  • evaluaci: klasifikační tabulku, evaluační grafy, rozdělení souboru na tréninkovou a testovací množinu, křížovou validaci,
  • aplikaci modelu: uložení predikcí do datové matice, export rozhodovacích pravidel.

Tento modul je součástí trial verze softwaru IBM SPSS Statistics, kterou Vám zašleme po vyplnění webového formuláře na tomto odkazu.

Příklady užití v praxi

Komerční sféra

  • segmentace zákazníků
  • predikce chování zákazníka, např. reakce na nabídku
  • odhalování podvodných žádostí o pojistné plnění

Státní správa

  • odhalování daňových úniků
  • predikce úspěšnosti volební či jiné kampaně
  • identifikace rizikových skupin obyvatelstva, např. dlouhodobě nezaměstnaných

Akademická sféra

  • predikce úspěšnosti léčebné metody
  • nalezení klíčových faktorů pro úspěch absolventů na trhu práce
  • analýza vztahů většího množství kategorizovaných proměnných ze sociologických výzkumů

Reference

Univerzita Palackého v Olomouci

Výzkum pohybové aktivity a inaktivity obyvatel ČR

Podrobná case study
Národní monitorovací středisko pro drogy a drogové závislosti (NMS)

Efektivní směřování marketingových kampaní

Podrobná case study