Übersicht für CART®-Klassifikation

Verwenden Sie CART®-Klassifikation , um einen Entscheidungsbaum für eine binomiale oder multinomiale kategoriale Antwortvariable mit vielen kategorialen oder stetigen Prädiktoren zu erstellen. Die CART®-Klassifikation veranschaulicht wichtige Muster und Beziehungen zwischen einer kategorialen Antwortvariablen und wichtigen Prädiktoren innerhalb hochkomplizierter Daten, ohne parametrische Methoden zu verwenden.

CART®-Klassifikation bietet Einblicke für eine breite Palette von Anwendungen, einschließlich Qualitätskontrolle in der Fertigung, Medikation, Betrugserkennung, Bonitätsbewertung und Abwanderungsprognose. Verwenden Sie die Ergebnisse, um wichtige Variablen zu identifizieren, Gruppen in den Daten mit wünschenswerten Merkmalen zu ermitteln und Werte der Antwortvariablen für neue Beobachtungen zu prognostizieren. Ein Marktforscher kann CART®-Klassifikation beispielsweise verwenden, um Kunden mit höheren Rücklaufquoten für bestimmte Initiativen zu identifizieren und diese Rücklaufquoten zu prognostizieren.

CART®-Klassifikation ist die einzige Entscheidungsbaummethodik, die den Originalcode von international renommierten Professoren der Stanford University und der University of California in Berkeley verwendet. Entscheidungsbäume mit diversen Algorithmen sind zwar beliebte Werkzeuge, die CART® -Methodik zum Erstellen von Entscheidungsbäumen ist jedoch aufgrund ihrer Eigenschaften und Leistung einmalig. Die CART® -Methodik bleibt proprietär und bietet Verbesserungen aus jahrzehntelanger Erfahrung mit praktischen Anwendungen.

Eine umfassendere Einführung in die CART® -Methodologie finden Sie in Breiman, Friedman, Olshen und Stone (1984)1.

Wo finde ich diese Analyse?

Um eine CART®-Klassifikationauszuführen, wählen Sie Statistik > Prädiktive Analysen > CART®-Klassifikationaus.

In welchen Fällen bietet sich eine andere Analyse an?

Wenn Sie über eine stetige Antwortvariable verfügen, verwenden Sie CART®-Regression.

1 Breiman, Friedman, Olshen und Stone. (1984). Classification and Regression Trees. Boca Raton, Florida: Chapman & Hall/CRC.
Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien