一、前言
决策树（decision tree）是一个树结构（可以是二叉树或非二叉树）。其每个非叶节点表示一个特征属性上的测试，每个分支代表这个特征属性在某个值域上的输出，而每个叶节点存放一个类别。使用决策树进行决策的过程就是从根节点开始，测试待分类项中相应的特征属性，并按照其值选择输出分支，直到到达叶子节点，将叶子节点存放的类别作为决策结果。
通过对RFMdata的数据进行决策树分析，运用Excel求各属性准确率，比较准确率大小，构建决策树。
二、Excel决策树分析
1、运用模拟运算表和矩阵乘法，计算属性值和属性的分类准确率。
2、单个属性值的分类准确率与权重。
3、运用模拟运算，分析出每个属性值的分类准确率与权重。
4、运用矩阵乘法，求出属性值的分类准确率。
5、比较各属性值的分类准确率，构建决策树的第一个节点。
6、分出第一个节点后，重复前面步骤求第二个节点
7、画决策树。（链接中，未画完）
三、总结
通过运用模拟运算表和矩阵乘法，计算属性值和属性的分类准确率。根据分类准确率确定决策树节点，构建决策树。
链接:
https://kdocs.cn/l/cfW665uB56LS?f=201
作用
将构成决策问题的有关因素用树状图形来进行分析和选择决策方案，运用树状图表示各决策的期望值，通过计算，最终优选出效益最大、成本最小的决策方法。
它具有层次分明、逻辑清晰的特点，能够使决策者有步骤的进行决策。在复杂问题的决策上不仅能让决策者进行周密的思考，形成科学的决策，避免单纯凭经验、凭想象而导致的决策上的失误，提高决策的有效性。
原理
决策树一般由方块结点、圆形结点、方案枝、概率枝等组成,方块结点称为决策结点，由结点引出若干条细支,每条细支代表一个方案,称为方案枝;圆形结点称为状态结点，由状态结点引出若干条细支,表示不同的自然状态,称为概率枝。每条概率枝代表一种自然状态。在每条细枝上标明客观状态的内容和其出现概率。在概率枝的最末稍标明该方案在该自然状态下所达到的结果(收益值或损失值)。这样树形图由左向右，由简到繁展开,组成一个树状网络图。