上期介紹一SAS EM決策樹互動式建模(Interactive mode)，這期接續介紹如何利用決策樹自動建模環境(Automatic mode)產生系統最佳模型。Dr.SAS則建議初階資料探勘分析人員在建立決策樹預測模型時，先從互動式決策樹開始分析，分析者可透過一層層決策樹的開展與預測規則的解釋，了解投入變數間的先後重要解釋關係，嘗試選擇較具業務代表性的解釋變數，並可透過解讀預測規則的合理性，來檢視資料的品質。

類神經網路一度曾是最有名，但卻被了解最少的資料探勘演算方法。類神經網路也被大量應用在各個產業上，原因在於類神經網路可以解決非線性複雜模型的建構、本身沒有太多模型假設限制，以及模型產出有很好的預測能力，但唯一在應用上令人詬病的即是模型結果難以解釋。舉例而言，透由類神經網路模型，我們可以找到一組郵購商品回應率很高的客戶名單，但是模型卻無法直接告訴我們，客戶會願意郵購這組商品的主要影響因子為何，因而大大降低了模型的實用性。

 接續上期專欄Dr.SAS介紹的迴歸模式最佳實務分析流程，Dr.SAS建議讀者在進行迴歸分析之前，先透過SAS EM的Graph Explore節點做資料散布圖形看資料分布的趨勢，或者最佳建議則是整合SAS EG下工作程序下Describe>> Distribution Analysis，選擇Normal Distribution來進行迴歸假設的檢驗程序。確認觀察資料滿足迴歸模型假設後，才能進行接續的迴歸分析程序。若資料不滿足迴歸模型假設時，則需進行適當的資料轉換工作。