Permet Classification CART® de créer un arbre de décision pour une réponse catégorielle binomiale ou multinomiale avec de nombreuses variables de prédiction catégorielles et continues. Le Classification CART® illustre des modèles et des relations importants entre une réponse catégorique et des prédicteurs importants dans des données très complexes, sans utiliser de méthodes paramétriques.
Classification CART® Fournit des informations pour un large éventail d’applications, notamment le contrôle de la qualité de fabrication, la découverte de médicaments, la détection des fraudes, la notation de crédit et la prédiction du taux d’attrition. Utilisez les résultats pour identifier les variables importantes, pour identifier les groupes dans les données présentant les caractéristiques souhaitables et pour prédire les valeurs de réponse pour les nouvelles observations. Par exemple, un analyste de marché peut utiliser Classification CART® pour identifier les clients qui ont des taux de réponse plus élevés à des initiatives spécifiques et pour prédire ces taux de réponse.
Pour une introduction plus complète à la méthodologie CART®, voir Breiman, Friedman, Olshen et Stone (1984)1.
Pour effectuer un Classification CART®, choisissez .
Si vous avez une variable de réponse continue, utilisez Régression CART®.
Pour tenter d’améliorer l’ajustement de l’arbre, Minitab propose Classification TreeNet® et Classification Random Forests® analyse avec le Module d'analyse prédictive. Cliquez ici pour plus d’informations sur la façon d’activer le module.