[Skip Global Navigation]

Velkommen til SPSS Norge Du kan opprette en internasjonal SPSS konto her

Answer Tree®

Statistikk Familien:

  • SPSS Base
  • SPSS Data Entry
  • SPSS SmartViewer
  • SPSS Web App
  • Amos
  • SamplePower

    SPSS Data Mining Familien:

  • Answer Tree
  • IBM SPSS Modeler


  • Statistikk Familien
  • Data Mining Familien


    SPSS Kurs

  • Introduksjon til PASW Statistics
  • Anvendt Statistikk
  • Regresjonskurs
  • Klassifikasjon og Gruppering
  • Datatilrettelegging
  • Introduksjon til Data Entry
  • Spørreskjemametode
  • Oppfriskningskurs i PASW Statistics
  • Presentasjon i tabeller/grafer

  •   Buy Now
    Kjøp
     
      Demo
    Demo
     
      Upgrade
    Brosjyrer/Whitepapers
     


    Answer Tree finner deler, mønstre og faktorer raskt og sikkert, det vil si det er et segmenteringsverktøy. Answer Tree gir deg mulighet til å bygge modeller for å kunne predikere basert på tidligere erfaringer, samt gi deg et bedre beslutningsgrunnlag. Answer Tree består av et intuitivt grensesnitt med kraftige analytiske algoritmer slik som for eksempel CHAID (Chi-squared Automatic Interaction Detection). Denne metoden bruker kjikvadrat-statistikk for å finne ulike grupperinger av data. Målvariabelen kan være nominal, ordinal og kontinuerlig. De andre metodene du kan benytte er "Exhaustive CHIAD", C&RT og QUEST. "Exhaustive CHIAD" gjør en grundigere jobb i det å dele opp materialet enn CHIAD. C&RT (Classification and Regression Trees) identifiserer like undergrupper. QUEST (Quick, Unbiased, Efficient Statistical Tree) er en rask metode og kan bare brukes når målvariabelen er nominal.

    SPSS Answer Tree er et datalæringssystem som lager klassifikasjonssystemer vist som et beslutningstre. Hvis du har data inndelt i klasser, kan Answer Tree bruke dataene til å bygge regler (rules) som du kan bruke til å klassifisere gamle og nye datasett ut ifra, med maksimal nøyaktighet.

    Answer Tree er et program som inneholder ulike prosedyrer som løser prediksjon og klassifikasjonsproblemer brukt i beslutningstreanalyse. Programmet kan søke gjennom et sett av forutsatte prediksjonsvariabler og suksessivt dele opp datasettet i undergrupper for å forbedre prediksjon eller klassifikasjon av målvariabel. Denne delingen er verdifull for analytikere som skal lage prediksjonsmodeller hvor det kan være mange variabler og ikke mye teoretisk grunnlag for inndeling fra tidligere studier.