【数据分析】决策树和策略树模型 — Altair Knowledge Studio™
本文摘要（由AI生成）：
这段文字主要介绍了 Altair Knowledge Studio 的决策树和策略树。决策树作为一种预测模型，可以帮助用户探索最具预测性的变量，更好地理解变量间的内在关系，并得出事件结果发生的概率，实现分析目的和商业目标。决策树具有运算速度快、易于理解、排序能力强等优势。策略树是建立在决策树基础上的预测分析模型，它可以使预测分析更加规范化、可视化和商业化。策略树还可以将商业规则和预测分析结合，帮助用户更好地理解模型和指令性的策略，快速迭代策略，并在部署前无风险地探索“假设”情境，自动生成可用于其他分析环境中的代码。
Altair Knowledge Studio决策树作为一种预测模型，可以探索最具预测性的变量，并更好的理解他们之间的内在关系，然后得出事件结果发生的概率，以实现分析目的和商业目标。
优势
Knowledge Studio决策树可以快速识别数据类型，灵活选取变量和更改参数，通过自动划分或手动选择变量划分构造直观的决策图和可能的结果，用来创建到达目标的规划。
其具体表现为一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。
作为一种预测模型，Knowledge Studio决策树具有运算速度快，划分规则便于理解，变量与目标之间关系排序能力强等优势。
Forrester和Gartner等公司分析师认为，作为可视化分析领域的领导者，Knowledge Studio决策树提供了一个交互式的直观界面，用于构建和探索细分并发掘变量之间的关系。
亮点
决策树对数据没有假设，它允许数据科学家和商业分析师去探索不熟悉的数据集并根据预测内容选取较优变量。
无需任何的编程能力，使用者可以做到：
💡 灵活运用三种拆分搜索算法(包括聚类、Forward Exhaustive和Exhaustive)构建分类基础；
💡 内含Cart和Chaid两大类决策树算法，用户可根据需求自行选择；
💡 可以微调参数和属性以进行广泛的算法控制；
💡 让模型自动显示变量间的关系，或者是手动决定关系显示位置；
💡 在构建细分的同时，轻松整合业务知识和政策；
💡 快速理解预测行为的指标。
总结
Knowledge Studio拥有自动生成可用于其他分析软件（例如：SQL、SAS、SPSS、Java、R和Python）的决策树代码。同时Knowledge Studio决策树可以提高预测分析建模能力，加快对模型输出和不同业务场景影响的理解。
它拥有十分简洁的导航功能，如平移、缩放、折叠和扩展以及能够使用并排视图直观地比较策略树并无缝更改处理规则。
“ 利用Knowledge Studio决策树，在识别商业欺诈时，我们可以快速的标记出显著的变量，以及如何利用这些变量创建规则。其数据可视化功能也十分便捷，这有助于我们制定应对欺诈的策略。
——Anita Xia, 风险策略部
Team TD Bank
预测分析可用于从历史数据中挖掘行为模式，并从中得出结论，以帮助企业进入新市场、提高用户忠诚度、增加企业盈利、降低市场风险等问题。预测分析模型决策树和商业策略组合而成的Knowledge Studio策略树利用直观的、交互式的、可视化界面为数据科学家和商业分析师提供了全面且灵活的工具。
Altair Knowledge Studio决策树作为一种预测模型，可以探索最具预测性的变量，并更好的理解他们之间的内在关系，然后得出事件结果发生的概率，以实现分析目的和商业目标。
优势
Knowledge Studio决策树可以快速识别数据类型，灵活选取变量和更改参数，通过自动划分或手动选择变量划分构造直观的决策图和可能的结果，用来创建到达目标的规划。
其具体表现为一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。
作为一种预测模型，Knowledge Studio决策树具有运算速度快，划分规则便于理解，变量与目标之间关系排序能力强等优势。
Forrester和Gartner等公司分析师认为，作为可视化分析领域的领导者，Knowledge Studio决策树提供了一个交互式的直观界面，用于构建和探索细分并发掘变量之间的关系。
亮点
决策树对数据没有假设，它允许数据科学家和商业分析师去探索不熟悉的数据集并根据预测内容选取较优变量。
无需任何的编程能力，使用者可以做到：
💡 灵活运用三种拆分搜索算法(包括聚类、Forward Exhaustive和Exhaustive)构建分类基础；
💡 内含Cart和Chaid两大类决策树算法，用户可根据需求自行选择；
💡 可以微调参数和属性以进行广泛的算法控制；
💡 让模型自动显示变量间的关系，或者是手动决定关系显示位置；
💡 在构建细分的同时，轻松整合业务知识和政策；
💡 快速理解预测行为的指标。
总结
Knowledge Studio拥有自动生成可用于其他分析软件（例如：SQL、SAS、SPSS、Java、R和Python）的决策树代码。同时Knowledge Studio决策树可以提高预测分析建模能力，加快对模型输出和不同业务场景影响的理解。
它拥有十分简洁的导航功能，如平移、缩放、折叠和扩展以及能够使用并排视图直观地比较策略树并无缝更改处理规则。
利用Knowledge Studio决策树，在识别商业欺诈时，我们可以快速的标记出显著的变量，以及如何利用这些变量创建规则。其数据可视化功能也十分便捷，这有助于我们制定应对欺诈的策略。
——Anita Xia, 风险策略部
Team TD Bank
预测分析可用于从历史数据中挖掘行为模式，并从中得出结论，以帮助企业进入新市场、提高用户忠诚度、增加企业盈利、降低市场风险等问题。预测分析模型决策树和商业策略组合而成的Knowledge Studio策略树利用直观的、交互式的、可视化界面为数据科学家和商业分析师提供了全面且灵活的工具。
优势
建立在决策树基础上的Knowledge Studio策略树无需依赖于复杂的代码即可使预测分析变得更规范化、可视化和商业化：
在决策树所得概率结果的基础上加入商业规则以增加实际应用价值；
可将无数商业规则在单个树状图中显示，无需创建多个模型；
结合数据的多个维度，组合不同的商业模型，衡量解决商业挑战的最佳途径；
轻松应用商业知识于数据中，了解和处理不同决策对不同市场的影响，加快战略应对时间。
亮点
💡 通过优化和基于规则的决策自动处理分配；
💡 通过可视化的细分步骤，理解模型和指令性的策略；
💡 将细分和处理方案表现在一个完整的视图中，有助于更加灵活高效的洞察；
💡 无限 量级目标变量的自动计算，使分析更快更准确；
💡 分配操作和处理，以快速迭代策略，并在部署前无风险的探索“假设”情境；
💡 使用相同的迭代可视环境测试和验证战略模型；
💡 自动生成可使用在其他分析环境中的代码；
💡 数据科学团队和项目负责人可以利用直观的决策树视图来做出明智的决策。
利用Knowledge Studio策略树，数据科学家和商业分析师可以：
消费营销
通过预测客户对不同交叉/向上的销售活动的倾向，来最大可能的减少损失。
根据达到一定盈利水平或达到目标利润率的概率，选择目标客户，并向客户发送电子邮件或提供新产品服务等。
风险控制
预测贷款申请客户的偿还能力或信用欺诈的可能性，从而最大限度地降低贷款机构的风险。将商业规则应用于不同的金融市场可以增加盈利、降低风险并带来其他商机。
人员管理
通过预测由于一些可挽回因素所导致的员工离职的可能性来减少人员流失。该方法可以用来提高不同类型的员工群体的满意度。
总结
Knowledge Studio可以通过简洁的导航功能（平移、缩放、折叠、扩展等）和并排视图直观的比较和无缝修改策略树。
Knowledge Studio策略树将商业规则和预测分析完美的结合，使模型结果更容易理解，应用场景更广泛。能自动产生用于其他分析软件代码的优点也使 Knowledge Studio策略树备受客户青睐。
