『壹』 clementine决策树 请问用c5.0生成决策树后如何用生成的模型来预测新的数据
在决策树生成模型后，将预测数据作为输入，并与生成的模型连接进行求解即可。
『贰』 决策树方法是一种滚动式的定性预测法吗
不是，决策树既可分类又可回归，所以可以做定性或定量的分析，并且不是滚动式。
『叁』 决策树和神经网络做预测有何区别
判别分析是半监督分类,就是判别函数求解的时候按照已知类别样本计算,但是对于未知类别样本应用判别函数时不做任何监督;而决策树和神经网络属于有监督分类,从分类准则建立,到准则的部署全程控制。而像聚类分析属于无监督分类，从分类规则开始就没有依据。
『肆』 决策树Ynew预测的是什么值
【答案】B
【答案解析】决策树以决策节点为出发点，引出若干方案枝，每条方案枝代表一个方案。方案枝的末端有一个状态节点，从状态节点引出若干概率枝，每条概率枝代表一种自然状态的决策方法。决策树的分析程序为：①绘制树形图；②计算期望值；③剪枝决策。?
『伍』 如何利用训练好的决策树分类模型来预测新的数据的分类结果
直接把模型连接到新数据就好了啊
『陆』 决策树法的计算题
依据y坐标将六个点划分为两个子类，水平线上面的两个点是同一个分类，但是水平线之下的四个点是不纯净的。
对这四个点进行再次分类，以x左边分类，通过两层分类，现了对样本点的完全分类。
决策树是一种具有树状结构的分类和预测工具，其中每个内部节点表示对一个属性的测试，每个分支表示测试的结果，每个叶节点(终端节点)持有一个类标签。
(6)决策树的预测股票价格扩展阅读
决策树算法的关键
1、分裂属性的选择
即选择哪个自变量作为树叉，也就是在n个自变量中，优先选择哪个自变量进行分叉。
2、树剪枝
即在构建树叉时，由于数据中的噪声和离群点，许多分支反映的是训练数据中的异常，而树剪枝则是处理这种过分拟合的数据问题，常用的剪枝方法为先剪枝和后剪枝。