Généralités sur Régression CART®

Utilisez Régression CART® pour créer un arbre de décision pour une réponse continue avec de nombreuses variables de prédiction de catégorie ou continus. Régression CART® illustre les modèles et les relations importants entre une réponse continue et des prédicteurs importants dans des données très compliquées, sans utiliser de méthodes paramétriques.

Régression CART® 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 prévision 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, le directeur d'une banque veut identifier les clients potentiels ayant des taux de réponse plus élevés à des initiatives spécifiques.

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

Où trouver cette analyse ?

Pour créer un arbre de régression, sélectionnez Stat > Analyse prédictive > Régression CART®.

Quand utiliser une autre analyse ?

Si vous avez une variable de réponse de catégorie, utilisez Classification CART®.

Pour essayer d’améliorer l’ajustement de l’arbre, Minitab propose les analyses Régression TreeNet® et Régression Random Forests® avec Module d'analyse prédictive. Cliquez ici pour plus d'informations sur l'activation du module.

1 Breiman, Friedman, Olshen et 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