デシジョンツリー（決定木）分析とは？
― CHAID・C&RT・QUESTで予測ルールを可視化

データ内のセグメント・パターン・階層関係を樹木の形で視覚的に表現する分析手法。データ全体を最もよく分類できる変数を探索するアルゴリズムにより、直感的に理解できる予測ルールを抽出します。

難易度：★★☆ 想定読了：9分 最終更新 2026.05.17 監修：スマート・アナリティクス代表
分析手法を相談する SPSS製品選定を見る

デシジョンツリー（決定木）分析とは

データ内のセグメント・パターン・階層関係を樹木の形で視覚的に表現する分析手法。データ全体を最もよく分類できる変数を探索するアルゴリズムにより、直感的に理解できる予測ルールを抽出します。

デシジョンツリー（決定木）分析で分かること

  • 顧客・対象のセグメンテーション
  • 分類・予測の判定ルール
  • 重要な説明変数とその閾値
  • 変数間の交互作用の可視化

デシジョンツリー（決定木）分析の主な種類

アルゴリズム特徴
CHAID高速なマルチウェイ・ツリー。プロファイル分析に最適。
Exhaustive CHAID可能なすべての分岐を調べる厳密版CHAID。
C&RTバイナリ分岐。連続目的変数（回帰木）にも対応。
QUESTバイアスのない変数選択を行う二分木。
C5.0情報利得を用いる古典的決定木。

研究・ビジネスでの利用シーン

離反顧客の予測

マーケティング

解約に至る顧客特性を木構造で抽出し、リテンション施策に活用します。

デフォルト予測

信用リスク

貸付データから返済不能リスクの高い顧客特性を可視化します。

リスク群の特定

医療

疾患リスクの高い患者特性を医療従事者にわかりやすいツリー形式で抽出します。

SPSSで実施する場合の製品選定

デシジョンツリー（決定木）分析をSPSSで実施する際に必要となる製品とオプションを整理します。

分析内容対応製品備考
CHAID・C&RT・QUESTIBM SPSS Decision Treesアドオン
C5.0・ランダムフォレストIBM SPSS Modelerデータマイニングツール
基本的な分類分析IBM SPSS Statistics Base判別分析等

分析時の注意点

  • 過学習に注意（剪定・最小ケース数の設定）
  • クラス不均衡データでは重み付けを検討
  • 結果は学習データに依存するため検証データで確認
  • 解釈性の高さと予測精度のバランスを判断

デシジョンツリー（決定木）分析の進め方、専門家がサポートします

分析設計の段階から、結果解釈・論文記述まで——研究テーマに応じてご相談いただけます。
必要なSPSS製品の構成もあわせてご提案します。

無料オンライン相談（30分） 価格・見積を依頼

お電話でのご相談：0120-835-761　受付 9:00–18:00（土日祝除く）

よくあるご質問

Q.どのアルゴリズムを使えば？
プロファイル分析ならCHAID、回帰木が必要ならC&RT、変数選択バイアスを避けたいならQUESTが推奨されます。
Q.決定木とロジスティック回帰どちらが良い？
決定木は非線形・交互作用を捉えやすく解釈性が高い、ロジスティック回帰は確率推定と効果量が得られます。両者を併用するのが実務的です。
Q.過学習を防ぐには？
ノードあたりの最小ケース数や深さの最大値を設定し、検証データで精度を確認してください。

お気軽にご相談ください0120-835-761受付時間 9:00-18:00 [ 土・日・祝日除く ]

問合せ・見積・注文をする お気軽にお問い合わせください