Microsoft 决策树算法是由 Microsoft SQL Server 2005 Analysis Services (SSAS) 提供的分类和回归算法，用于对离散和连续属性进行预测性建模。
对于离散属性，该算法根据数据集中输入列之间的关系进行预测。它使用这些列的值或状态预测指定的可预测列的状态。具体地说，该算法标识与可预测列相关的输入列。例如，在预测哪些客户可能购买自行车的方案中，假如在十名年轻客户中有九名购买了自行车，但在十名年龄较大的客户中只有两名购买了自行车，则该算法从中推断出年龄是自行车购买情况的最佳预测因子。决策树根据朝向特定结果发展的趋势进行预测。 数据挖掘研究院
对于连续属性，该算法使用线性回归确定决策树的拆分位置。
如果有多个列设置为可预测列，或输入数据包含设置为可预测的嵌套表，则该算法将为每个可预测列分别生成一个决策树。 数据挖掘研究院
示例Adventure Works Cycle 公司的市场部需要标识其以前客户的特征，这些特征可以指示这些客户以后是否有可能购买其产品。AdventureWorks 数据库存储了描述其以前客户的人口统计信息。通过使用 Microsoft 决策树算法分析这些信息，市场部可以生成一个模型，该模型根据有关特定客户的已知列的状态（如人口统计或以前的购买模式）预测该客户是否会购买产品。
算法的原理Microsoft 决策树通过在树中创建一系列拆分（也称为节点）来生成数据挖掘模型。每当发现输入列与可预测列密切相关时，算法便会向该模型中添加一个节点。该算法确定拆分的方式不同，主要取决于它预测的是连续列还是离散列。有关 Microsoft 决策树算法如何处理可预测的离散列的详细说明，请参阅 数据挖掘实验室
预测离散列
通过柱状图可以演示 Microsoft 决策树算法为可预测的离散列生成树的方式。下面的关系图显示了一个根据输入列 Age 绘出可预测列 Bike Buyers 的柱状图。该柱状图显示了客户的年龄可帮助判断该客户是否将会购买自行车。 数据挖掘实验室
该关系图中显示的关联将会使 Microsoft 决策树算法在模型中创建一个新节点。
随着算法不断向模型中添加新节点，便形成了树结构。该树的顶端节点描述了客户总体可预测列的分解。随着模型的不断增大，该算法将考虑所有列。 数据挖掘研究院
预测连续列
Scalable Classification over SQL Databases 和 Learning Bayesian Networks:The Combination of Knowledge and Statistical DataLearning Bayesian Networks:The Combination of Knowledge and Statistical Data。有关 Microsoft 决策树算法如何处理可预测的连续列的详细信息，请参阅 Autoregressive Tree Models for Time-Series Analysis 的附录。
使用算法 决策树模型必须包含一个键列、若干输入列和一个可预测列。 数据挖掘研究院
Microsoft 决策树算法支持特定的输入列内容类型、可预测列内容类型和建模标志，如下表所示。
|
输入列内容类型 |
Continuous、Cyclical、Discrete、Discretized、Key、Table 和 Ordered |
|
可预测列内容类型 数据挖掘研究院 |
Continuous、Cyclical、Discrete、Discretized、Table 和 Ordered |
|
建模标志 |
MODEL_EXISTENCE_ONLY、NOT NULL 和 REGRESSOR |
所有 Microsoft 算法均支持一些通用的函数。但 Microsoft 决策树算法还支持其他函数，如下表所示。 数据挖掘研究院
有关对所有 Microsoft 算法都通用的函数列表，请参阅 数据挖掘研究院
Microsoft 决策树算法支持使用预测模型标记语言 (PMML) 创建挖掘模型。 数据挖掘研究院
Microsoft 决策树算法支持多个参数，这些参数会对所生成的挖掘模型的性能和准确性产生影响。下表对各参数进行了说明：
| 参数 | 说明 |
|---|---|
|
MAXIMUM_INPUT_ATTRIBUTES 数据挖掘研究院 |
定义算法在调用功能选择之前可以处理的输入属性数。如果将此值设置为 0，则表示关闭功能选择。 默认值为 255。 数据挖掘研究院 |
|
MAXIMUM_OUTPUT_ATTRIBUTES 数据挖掘实验室 |
定义算法在调用功能选择之前可以处理的输出属性数。如果将此值设置为 0，则表示关闭功能选择。 数据挖掘研究院 默认值为 255。 数据挖掘实验室 |
|
SCORE_METHOD 数据挖掘实验室 |
确定用于计算拆分分数的方法。可用选项包括：Entropy (1)、Bayesian with K2 Prior (2) 或 Bayesian Dirichlet Equivalent (BDE) Prior (3)。 数据挖掘研究院 默认值为 3。 |
|
SPLIT_METHOD |
确定用于拆分节点的方法。可用选项包括：Binary (1)、Complete (2) 或 Both (3)。 数据挖掘研究院 默认值为 3。 数据挖掘研究院 |
|
MINIMUM_SUPPORT |
确定在决策树中生成拆分所需的叶事例的最少数量。 数据挖掘实验室 默认值为 10。 数据挖掘研究院 |
|
COMPLEXITY_PENALTY 数据挖掘研究院 |
控制决策树的增长。该值较低时，会增加拆分数；该值较高时，会减少拆分数。默认值基于特定模型的属性数，详见以下列表：
|
|
FORCED_REGRESSOR |
强制算法将指示的列用作回归量，而不考虑算法为这些列计算出的重要性。此参数只用于预测连续属性的决策树。 |
