Clementine的数据挖掘算法，主要包含了数据的分类、聚类、关联、序列、预测等等数据挖掘方法。决策树又称为判定树。
决策树是数据挖掘分类算法的一个重要方法。决策树采用自顶向下递归方式与决策树内部结点进行属性值比较，判断是否从该结点继续向下分枝，最终到该结点成为叶结点，分裂终止。每一条从根结点到叶结点的路径就对应着一条分类规则，整个决策树所对应的就是一组表达式规则。决策树采用自顶向下、在每个结点选取最优的属性进行分裂依次递归的方式来构造完成一个决策树。
在Clementine中提供了4种构建决策树的算法，包括C\u0026RT、CHAID、QUEST和C5.0。确定“类标号属性”后，采用其中的某种算法，输入训练数据集，就可以构造出一颗决策树。利用决策树算法构建了初始的树之后，为了有效地分类，还要对其进行剪枝。而剪枝的基本原则就是，在保证一定的决策精度的前提下，使树的叶子节点最少，叶子节点的深度最小。常有的剪枝方法：预剪枝和后剪枝。例如：CHAID和C5.0采用预剪枝，CART采用后剪枝。生成一颗最优的决策树之后，就可以根据这颗决策树来生成一系列规则。这些规则采用“If…，Then…”的形式。
某六级考试人数为269人，数据存放在文件liuji.xls中。大学英语六级成绩满分为710分，凡考生考试成绩在425分以上者则考试通过。为准确进行分析，在liuji.xls中增加“是否通过”属性，并根据“总分”属性确定值，总分大于等于425分值为“是”，总分小于425分值为“否”，因此“是否通过”属性的全部取值就构成了类别集合：Class=｛“是”，“否”｝。最终样本中，一共269个样本，11个属性。
打开Clementine，将liuji.xls文件拖拽至数据流区域，即可获取数据。因通过“总分”这一属性就可构建一颗决策树，故需过滤。在EXCEL属性设置对话框中，打开“过滤”选项卡，在“总分”字段对应的箭头上单击，标上“红叉”即可过滤。由于存在部分考生缺考，若要不列入分析中，可以利用“se－lect”节点去掉缺考的学生信息，本文将这些数据丢弃。双击“记录选项”标签下的“select”节点，添加到数据流区域。在“select”属性设置对话框中，将“模式”设置为“丢弃”，然后在“条件”框中输入：是否缺考=“是”，即可删除31条缺考学生的数据。
对于决策树算法而言，其目的是根据一些非类标号属性的值，来预测类标号属性的值。把“是否通过”这个属性称为“类标号属性”。所以，应该把非类标号属性设置为输入字段，“类标号属性”是否通过设置为输出字段。双击“字段选项”标签下的“类型”节点，将类型节点添加到数据流区域，在“类型”属性设置对话框中，点击“读取值”按钮，即可显示各字段的类型和取值集合。最后，将“是否通过”属性的方向设置为“out”，即完成输出字段设置。
构建决策树是整个过程的核心步骤，C5.0算法根据能够带来最大信息增益的字段拆分样本，而那些对模型值没有显著贡献的样本子集将被剔除或修建。而CHAID算法不同于C\u0026R树和QUEST节点，可以生成非二进制树，即有些分割有两个以上的分支，当CHAID算法的输入变量为连续型，它会进行离散处理。双击“建模”标签下的“CHAID”节点，添加到数据流区域，在“CHAID”属性设置对话框中，设置构建规则，并与其他节点建立连接，形成数据流图。单击“执行”按钮，生成CHAID算法构建的决策树模型。
CHAID算法构建的决策树，是一颗深度为3的多叉树，并确定“客观题成绩”属性为第一个分裂属性，“听力成绩”属性为第二个分裂属性，“主观题成绩”属性为第三个分裂属性。客观题成绩\u003c=151分的，通过率为1.8%；客观题成绩\u003e151分的，听力成绩\u003e131分的，通过率为100%。
普通消费者关注更多的是微观经济信息，而制定国家战略依赖的是宏观经济信息而不是微观经济信息。这中间就存在一个微观信息宏观化的问题，即如何把微观经济信息“整合”成宏观经济信息问题。政治家的一个重要任务就是发现和求解大的社会主要矛盾方程。“社会主要矛盾方程”的发现直接考量着政治家如何从海量的微观信息整合抽取出宏观信息的能力。邓小平作为中国改革开放的总设计师，其最大贡献就在于对当时中国国情的正确判断，适时提出“发展才是硬道理”，其潜台词就是：供求矛盾紧张是当时最主要的国情，这正是中国当时的“社会主要矛盾方程”。进入新时代以来，中国社会的主要矛盾方程变成了“人民群众对美好生活的向往与发展的不平衡不充分之间的矛盾”。
社会主要矛盾对应于宏观经济信息。如何从微观信息提炼出宏观信息，在科学上有没有具有可操作性的方案呢？答案是肯定的。具体思路就是引进分类算子，通过分类实现微观信息宏观化。假设原来的系统为S=(G，f Gn×W)，通过引进分类算子θ，可以把原来的系统S划分成若干子系统Si（i=1,2,…，m）,然后考察不同子系统Si之间的关系g。相对来讲，g属于宏观信息，f是微观信息。一般来讲，g要比f简单很多，更易于运筹处理。比如中国有14亿人口，要详细分析这14亿人口之间的关系非常复杂。可以通过引进分类算子θ={相同性别}，把中国人口划分为两个子系统：男人和女人，然后考察男女之间的（平衡）关系，这样问题就简单得多。在有些情况下，以“相同性别”作为分类准则诱导出的男女（平衡）关系问题可能就是社会的主要矛盾（宏观信息）。
由此不难看出，社会主要矛盾的具体情况，与分类准则的选取有关。如果将财富的占有情况选作分类准则，则导出的主要矛盾自然是贫富差距问题，据此可以有效的揭示贫富差距形成的原因和机制。这对于实现共同富裕具有重要的现实意义。
在原有微观信息f的基础上引进分类准则的通常做法，就是将f改造成半等价关系和等价关系。前者被称为半等价算子，后者被称为等价算子。半等价算子划分出来的类与类之间有交叉，等价算子划分出来的类与类之间无交叉。引进半等价算子θs的最简单做法，就是在原有关系f的基础上并上它的反关系f-1和自返关系I，使之满足自返和对称的半等价关系要求，即有：θs=f∨f-1∨I。引进等价算子θe的简单做法就是将θs传递化，即有：θe=（θs）t。
通过等价（半等价）聚类不仅可以化繁为简，其对应于郭雷院士提出的形象表达式“1<1/2+1/2”，更可以凸显系统的主要矛盾，不至于迷失在微观信息的海洋里。
参考文献
昝廷全：关于当前中国宏观经济问题的系统经济学透视，《中国传媒大学学报》（自然科学版），2013年第5期第1-5页。