DTREG提供了強大的預測建模方法：

• 多層感知器神經網絡
• 概率神經網絡
• 廣義回歸神經網絡
• RBF神經網絡
• GMDH多項式神經網絡
• 串級式關聯類神經網路
• 支援向量機（SVM）
• 基因表達式編程 - 符號回歸
• 決策樹
• TreeBoost - 提振決策樹
• 森林決策樹
• K-均值聚類
• 線性判別分析（LDA）
• 線性回歸
• Logistic回歸

DTREG特點

• 易於使用。 DTREG是在任何Windows系統很容易安裝一個強大的應用程序。DTREG讀取很容易從幾乎任何數據源創建逗號分隔值（CSV）的數據文件。建立一個決策樹，支持向量機，k-means，線性判別函數，線性回歸和Logistic回歸模型的工作，一旦你建立數據文件時，只需交給DTREG，讓DTREG做複雜的分析。
• 分類與回歸樹。 DTREG可以建立分類樹的地方被預測的目標變量是分類和回歸樹所在的目標變量是連續的像收入或銷售量。
• Single-tree, TreeBoost, Decision Tree Forests, Support Vector Machine, K-Means clustering, Linear Discriminant Analysis, Linear Regression and Logistic Regression.。 通過勾選一個按鈕，就可以直接DTREG打造經典單樹模型中， TreeBoost模型由一系列的森林決策樹中，神經網絡中，支持向量機中，基因表達式編程中，k-means，線性判別分析功能 Ä 線性回歸模型。或Logistic回歸模型。
• 自動修剪。 DTREG使用V折交叉驗證，以確定最佳的樹的大小。這個過程可避免“overfitting”，其中所生成的樹適合的訓練數據良好，但不能提供的新數據準確預測的問題。
• 對於丟失的數據替代變量。 DTREG使用涉及“複雜的技術替代變量 “來處理案件與缺失值。這使得一些可用的價值觀和一些缺失值情況下，以構建模型時可以利用到最大程度。這也使DTREG預測有缺失值情況下的值。
• 樹的視覺化顯示。 DTREG可以在螢幕上顯示生成的決策樹，寫一個jpg或.PNG文件或列印出來。列印時，DTREG用來分頁跨越多個頁面樹的尖端技術。
• DTREG接受文本數據以及數字數據。 如果有數據值的分類變量，例如“男性”，“女性”，“結婚”，“基督教”等，也沒有必要對它們進行編碼的數字值。
• 數據轉換語言（DTL）。 DTREG包括一個完整的 數據轉換語言（DTL）的編程語言，用於將變量，創建新的變量和選擇的情況下，將被納入分析。
• 項目文件保存分析。 DTREG保存所有的有關變量，分析參數以及生成報告和樹木在項目文件中的信息。你可以在以後打開該項目文件，修改參數，或用不同的數據集重新運行它。
• 計分預測值。一旦決策樹已經建成，你可以使用DTREG以“ 分數 “一個新的數據集和預測值的目標變量。
• 生成的得分原始碼。在DTREG“翻譯”功能生成C，C + +和SAS®原始碼來計算預測值。此源代碼可被包括在應用程序執行的大量數據的高性能的得分。
• 重載能力的企業版 DTREG可以處理無限數量的數據-幾十萬或上百萬都沒有問題。DTREG可以建立分類樹與有上百個類別的使用一種有效聚類算法的預測變量。其他許多決策樹程序限制的預測變量，以16或更少的類別。
• DTREG .NET Class Library.可以從應用程序中調用生成的模型和計算預測利用DTREG生成的模型目標值。