以上步骤中，能够得出一个结论，在构建决策树的过程中，最重要的是如何找到最好的分割点。决策树值得注意的问题是过拟合问题，整个算法必须解决「如何停止分割」和「如何选择分割」两个关键问题。

　　最简单的做法就是设定树的深度或枝叶的最少样本量。但是，过少的样本量又不具有代表性，所以一般情况，可以使用交叉验证的方法。交叉验证就是可以使用一部分数据用于模型的训练，另一部分数据可以用来评估模型的性能。业内常用的划分方法是讲样本进行50/50分，60/40分或者80/20分。

　　三、模型确立过程

　　在建模前期，首要考虑的事情就是先确定指标，以及对样本的定义。购物性别指的是什么?通过哪些数据来确定购物性别，样本的准确性，如何验证数据的可信度等。

　　四、购物性别的定义

　　先看下图，具体的逻辑可从图中查看。一般来讲，用户填写的资料不一定真实，我们对他/她的性别数据持怀疑态度，所以，就需要其他数据进行辅助证明其性别。

　　订单数据能够真实反映用户的购买心态，预测购买行为，并且能够通过购买商品的所属类别，判断用户的购买倾向，最后得到性别特征类目。不过本文就不展开探讨甄别特征类目的区分方法了。

　　根据数据结果，最终，确认了购物性别的定义。分为：

　　购物性别男：N月购买的男性特征类目子下单数> N月购买的女性特征类目子下单数;

　　购物性别女：N月购买的男性特征类目子下单数> N月购买的女性特征类目子下单数;

　　购物性别中性：未下单男女特征类目。

　　N需要具体根据业务场景来定。

　　五、建模数据准备过程

　　本节是具体的操作过程，模型的实操阶段。一般来讲，不同模型的训练其实大体雷同。从技术上来讲，各家算法大多使用spark，不同点是所运算的模型都是针对于场景来定的。

　　在全部样本中，取80%的数据用于训练模型;

　　在全部样本中，取20%的数据用户数据测试。

　　这种方式可以更好的根据数据的规模，提高模型的准确性。

　　六、模型效果分析

　　根据各类参数的评估结果，以及人工经验选定的模型参数，建立模型。值得注意的是，决策树的深度不要过深，以防止过拟合的问题：

　　行业内当前采用数据挖掘、机器学习和推荐系统中的评测指标：准确率(Precision)、召回率(Recall)。准确率是应用最广的数据指标，也很清晰易懂，以男性为例：

　　准确率=命中的男性用户数量/所有预测男性数量，一般来讲，准确率可以评估模型的质量，他是很直观的数据评价，但并不是说准确度越高，算法越好。

　　召回率=命中的男性用户数量/所有男性数量，反映了被正确判定的正例占总的正例的比重。

　　模型建立完后，需根据模型的结果与预期的对比，进行调优。

　　七、最后要说的

　　购物性别定义对于用户精准营销十分重要，疑难杂症，对症下药，才能出现更好的疗效。