Page 61 - 统计创新与高质量发展

第三章 统计学在经济与管理领域的深入探索

数量小于某个阈值或树的深度达到预设值等。
（4）剪枝
为了防止过拟合，对生成的决策树进行剪枝操作，去掉一些不必要的分支，

提高模型的泛化能力。
2. 在管理决策支持系统中的应用
（1）市场决策
企业可以利用决策树分析消费者的行为数据，如年龄、性别、购买频率、消

费金额等，构建消费者细分模型，针对不同细分群体制定个性化的市场营销策略。
例如，通过决策树分析发现年龄在 25-35 岁、月消费金额大于 2000 元的女性消
费者更倾向于购买高端护肤品，企业就可以针对这一群体推出专属的促销活动和
产品套餐。

（2）风险评估
金融机构可以根据客户的信用记录、收入情况、负债比例等数据构建决策树，
对客户的信用风险进行评估，决定是否给予贷款以及贷款额度和利率。比如，决
策树可能显示信用记录良好、收入稳定且负债比例低的客户可以获得较高额度的

低利率贷款，而信用记录不佳或负债比例高的客户则可能被拒绝贷款或需要支付
较高的利率。
（二）随机森林
随机森林是基于决策树的集成学习算法，它通过从原始训练数据中有放回地

随机抽样，生成多个子数据集，然后分别构建多个决策树，最后综合这些决策树
的结果进行最终决策。对于分类问题，通常采用投票的方式，选择票数最多的类
别作为最终预测结果；对于回归问题，一般取所有决策树预测结果的平均值。由
于每个决策树是基于不同的子数据集构建的，具有一定的差异性，组合起来可以

降低模型的方差，提高模型的稳定性和泛化能力。
1. 构建步骤
（1）数据抽样
从原始训练数据集中有放回地随机抽取多个子数据集，每个子数据集的大小

通常与原始数据集相同或相近。例如，对于一个包含 1000 条数据的数据集，每
次抽样都可能得到一个包含 800-1000 条数据的子数据集，且可能存在重复数据。

53