在“设置”选项卡上，对于整体方法，请选择置信度加权投票。此选项确定如何为每条记录生成一个

汇总得分。 使用简单投票方式时，若三个模型中有两个模型均预测是，则是将以 2 比 1 的投票结果取胜。在使用置信度加权投票方式的情况下，将基于各预测的置信度值进行加权投票。因此，如果一个预测否的模型的置信度比两个预测是的模型合在一起的置信度还高，则否取胜。

? 单击运行。

几分钟后，将构建生成的模型块，并放到工作区和窗口右上角的“模型”选项板中。您可浏览模型块，或以多种其他方式将其保存或部署。

打开模型块，它将列出在运行期间所创建的每个模型的详细信息。（实际情况中，由于大型数据集往往需要创建数百个模型，这可能会花费数小时的时间。）

如果需要进一步探索任何单独的模型，可在模型列中双击此模型块图标，以向下浏览至单独模型结果，您可以从中生成建模节点、模型块或评估图表。在图形列中，可以双击缩略图生成标准大小的图形。

默认情况下，模型会基于总体精确性排序，因为这是您在自动分类器节点“模型”选项卡中选择的度量。根据这一度量，C51 模型的精确性最高，但 C&R 树和 CHAID 模型的精确性与之相差不大。

您可以通过单击其他列的标题对该列进行排序，或者也可以从工具栏的排序方式下拉列表中选择所需的度量。

基于这些结果，您可决定使用所有三个最准确的模型。通过结合多个模型的预测，可以避免单个模型的局限性，从而使整体准确性更高。

在使用？列中，选择 C51, C&R 树和 CHAID 模型。

在模型块后附加一个分析节点（“输出”选项板）。右键单击分析节点，然后选择运行以运行流