Aviso
Ahora estás saliendo de support.minitab.com.
Haga clic en Continuar para continuar con:
Se utiliza Clasificación CART® para crear un árbol de decisión para una respuesta categórica binomial o multinomial con muchas variables predictoras categóricas y continuas. Ilustra Clasificación CART® patrones y relaciones importantes entre una respuesta categórica y predictores importantes dentro de datos altamente complicados, sin utilizar métodos paramétricos.
Clasificación CART® proporciona información para una amplia gama de aplicaciones, incluido el control de calidad de fabricación, el descubrimiento de fármacos, la detección de fraudes, la puntuación de crédito y la predicción de abandonos. Utilice los resultados para identificar variables importantes, para identificar grupos en los datos con características deseables y para pronosticar valores de respuesta para nuevas observaciones. Por ejemplo, un investigador de mercado puede utilizar Clasificación CART® para identificar a los clientes que tienen tasas de respuesta más altas a iniciativas específicas y pronosticar esas tasas de respuesta.
Para una introducción más completa a la metodología CART®, véase Breiman, Friedman, Olshen y Stone (1984)1.
Para realizar un Clasificación CART®, elija .
Si usted tiene una variable de respuesta continua, utilice Regresión CART®.
Para tratar de mejorar el ajuste del árbol, Minitab ofrece Clasificación TreeNet® y Clasificación Random Forests® analiza con el Módulo de análisis predictivo. Haga clic aquí para obtener más información sobre cómo activar el módulo.
Ahora estás saliendo de support.minitab.com.
Haga clic en Continuar para continuar con: