Généralités sur Classification CART®

Utilisez Classification CART® pour créer un arbre de décision pour une réponse de catégorie binomiale ou multinomiale avec de nombreuses variables de prédiction de catégorie ou continus. Classification CART® 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.

Classification 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, un chargé d'études de marché peut utiliser Classification CART® pour identifier les clients avec des taux de réponse plus élevés à des initiatives spécifiques et pour prévoir ces taux de réponse.

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

Où trouver cette analyse ?

Pour effectuer Classification CART®, sélectionnez Stat > Analyse prédictive > Classification CART®.

Quand utiliser une autre analyse ?

Si vous disposez d'une variable de réponse continue, utilisez Régression CART®.

Pour essayer d’améliorer l’ajustement de l’arbre, Minitab propose les analyses Classification TreeNet® et Classification 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.