『壹』 clementine決策樹 請問用c5.0生成決策樹後如何用生成的模型來預測新的數據
在決策樹生成模型後，將預測數據作為輸入，並與生成的模型連接進行求解即可。
『貳』 決策樹方法是一種滾動式的定性預測法嗎
不是，決策樹既可分類又可回歸，所以可以做定性或定量的分析，並且不是滾動式。
『叄』 決策樹和神經網路做預測有何區別
判別分析是半監督分類,就是判別函數求解的時候按照已知類別樣本計算,但是對於未知類別樣本應用判別函數時不做任何監督;而決策樹和神經網路屬於有監督分類,從分類准則建立,到准則的部署全程式控制制。而像聚類分析屬於無監督分類，從分類規則開始就沒有依據。
『肆』 決策樹Ynew預測的是什麼值
【答案】B
【答案解析】決策樹以決策節點為出發點，引出若干方案枝，每條方案枝代表一個方案。方案枝的末端有一個狀態節點，從狀態節點引出若干概率枝，每條概率枝代表一種自然狀態的決策方法。決策樹的分析程序為：①繪制樹形圖；②計算期望值；③剪枝決策。?
『伍』 如何利用訓練好的決策樹分類模型來預測新的數據的分類結果
直接把模型連接到新數據就好了啊
『陸』 決策樹法的計算題
依據y坐標將六個點劃分為兩個子類，水平線上面的兩個點是同一個分類，但是水平線之下的四個點是不純凈的。
對這四個點進行再次分類，以x左邊分類，通過兩層分類，現了對樣本點的完全分類。
決策樹是一種具有樹狀結構的分類和預測工具，其中每個內部節點表示對一個屬性的測試，每個分支表示測試的結果，每個葉節點(終端節點)持有一個類標簽。
(6)決策樹的預測股票價格擴展閱讀
決策樹演算法的關鍵
1、分裂屬性的選擇
即選擇哪個自變數作為樹叉，也就是在n個自變數中，優先選擇哪個自變數進行分叉。
2、樹剪枝
即在構建樹叉時，由於數據中的雜訊和離群點，許多分支反映的是訓練數據中的異常，而樹剪枝則是處理這種過分擬合的數據問題，常用的剪枝方法為先剪枝和後剪枝。