Entscheidungsbäume
Verwendung
Entscheidungsbäume dienen dazu, von historischen Daten zu lernen und daraus Vorhersagen für die Zukunft zu treffen. Die Vorhersage erfolgt in Form von Regeln, die auf historischen Daten ermittelt und dann auf eine neue Datenmenge angewendet werden können. Diese Regeln werden grafisch in Form einer Hierarchie dargestellt.
Sie verfügen über Kundendaten, die Attribute wie Geschlecht, Alter, Einkommen, Region, Beruf usw. beinhalten, ebenso wie die Information, ob ein Kunde zufrieden ist oder nicht (z.B. durch eine Umfrage ermittelt). Auf der Grundlage dieser historischen Kundendaten können Sie einen Entscheidungsbaum trainieren. Daraus ergibt sich das Ergebnis, dass Kunden mit bestimmten Eigenschaften eher zufrieden sind, Kunden mit anderen Eigenschaften eher unzufrieden. Diese ermittelten Regeln können Sie dazu nutzen, Kunden besser einzuschätzen, von denen Sie nicht wissen, ob sie zufrieden oder nicht zufrieden sind.
Integration
Die Daten, auf deren Grundlage Sie das Modell trainieren, können aus beliebigen Systemen stammen, die Daten ins SAP BW extrahieren können. Ebenso können Sie die ermittelten Regeln auf alle Daten anwenden, die ins SAP BW extrahiert worden sind. Ihnen stehen im SAP BW über Queries Daten zur Verfügung, für die die Aussagen bekannt sind, die Sie wiederum für andere Daten herausfinden möchten.
Funktionsumfang
Folgende Einstellungen können Sie in einem Modell zur Methode Entscheidungsbäume vornehmen:
Über die Modellfelder legen Sie fest, welches Merkmal mit welchen Attributen betrachtet werden soll (z.B. Kunde mit den Attributen Beruf, Geschlecht, Alter usw.). Außerdem legen Sie fest, für welches Attribut die Abhängigkeit von den anderen Attributen ermittelt werden soll (z.B. Kundenzufriedenheit). Das System ermittelt dann, welches der Attribute das abhängige Attribut am meisten beeinflusst, und baut auf dessen Basis den Entscheidungsbaum auf.
Über die Modellparameter können Sie unter anderem bestimmen, ob das Training auf der Grundlage der gesamten Daten ausgeführt wird, oder ob über Windowingtechnik nur ein repräsentativer Teil der Daten berücksichtigt wird. Weiterhin können Sie durch Festlegung von Abbruchbedingungen beim Aufbau des Entscheidungsbaums sowie durch Aktivierung von Relevanzprüfungen und Pruning die Qualität und den Umfang des Baums beeinflussen.
Das Ergebnis können Sie grafisch als Hierarchie oder in Form von Regeln anzeigen lassen. Bei der grafischen Anzeige können Sie Filter auf Knoten setzen und für einzelne Knoten detaillierte statistische Informationen aufrufen. Außerdem können Sie die spezifische Regel für einen bestimmten Knoten im Entscheidungsbaum anzeigen. Außerdem müssen Sie einen Analyseprozess anlegen, um die Vorhersage auszuführen.
Siehe auch
Modell anlegen, ändern und aktivieren
Analyseprozess für ein Training anlegen
Analyseprozess zum Ausführen der Vorhersage
Bewertung eines Entscheidungsbaum-Modells