連續幾期介紹SAS EM決策樹的進階應用與分析處理，本期Dr.SAS回到SAS EM決策樹底層主要分析功能的介紹上。SAS EM決策樹提供兩種建立預測模型的模式，一為互動式建模環境(Interactive mode)，另一為自動建模環境(Automatic mode)。兩種分析模式環境各自有其分析使用上的優點，同時SAS EM在SAS EM 7版本以後，也同時將兩個建模環境模式做了整合，讓建模分析人員可以針對系統最適推薦模型，進行專家調整，提供給分析者更佳彈性與實務考量的建模平台。

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。