Présentation de CART® Classification

Utilisez CART® Classification pour créer un arbre de décision pour une réponse de catégorie binomiale ou multinomiale avec de nombreux prédicteurs de catégorie ou continus. La CART® Classification illustre les modèles et les relations importants entre une réponse de catégorie et des prédicteurs importants au sein de données très compliquées, sans utiliser de méthodes paramétriques.

CART® Classification fournit des informations pour un large éventail d’applications, y compris le contrôle de la qualité de fabrication, la découverte de médicaments, la détection des fraudes, l’évaluation de crédit et la prédiction des résiliations. Utilisez les résultats pour identifier des variables importantes, pour identifier les groupes ayant des caractéristiques souhaitables dans les données et pour prédire les valeurs de réponse pour les nouvelles observations. Par exemple, un chargé d’études de marché peut utiliser CART® Classification pour identifier les clients avec des taux de réponse plus élevés à des initiatives spécifiques et pour prévoir ces taux de réponse.

CART® Classification est la seule méthodologie d’arbre de décision qui utilise le code original créé par de célèbres professeurs de l’université Stanford et de l’université de Californie à Berkeley. Alors que les arbres de décision avec divers algorithmes sont des outils populaires, la méthodologie CART® de production d’arbres de décision se distingue par ses caractéristiques et ses performances. La méthodologie CART® est brevetée et comprend des améliorations provenant de décennies d’expérience avec des applications pratiques.

Pour une présentation plus complète de la méthodologie CART® , consultez Breiman, Friedman, Olshen et Stone (1984)1.

Où trouver cette analyse ?

Pour effectuer une CART® Classification, choisissez Stat > Analyse prédictive > CART® Classification.

Quand utiliser une autre analyse ?

Si vous avez une variable de réponse continue, utilisez CART® Regression.

1 Breiman, Friedman, Olshen & Stone. (1984). Classification and Regression Trees. Boca Raton, Florida: Chapman & Hall/CRC.
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique