通知
support.minitab.com を終了します。
[続行] をクリックして次の手順に進みます :
をCART® 分類使用して、多くのカテゴリまたは連続的な予測変数を用いた、2項または多項のカテゴリ応答の決定木を生成します。はCART® 分類パラメトリックな手法を使用せずに、非常に複雑なデータ内のカテゴリ応答と重要な予測変数との間の重要なパターンと関係を示します。
CART® 分類は製造品質管理、創薬、不正検出、クレジットスコアの算出、解約予測など、幅広い応用に関する洞察を提供します。この結果を使用して、重要な変数を識別し、望ましい特性をもつデータ内のグループを識別し、新しい観測値の応答値を予測します。たとえば、ある市場調査員は、を使用して、CART® 分類 特定の戦略に対する反応率が高い顧客を特定し、その反応率を予測します。
CART®の方法論の詳細については、Breiman, Friedman, Olshen and Stone (1984)を参照してください。1.
を実行するには CART® 分類、 を選択します 。
連続応答変数が1つある場合は、CART® 回帰を使用します。
ツリーの適合度を改善するために、Minitabは予測分析モジュールによるTreeNet® 分類およびRandom Forests® 分類分析を提供します。モジュールをアクティブにする方法については、ここをクリックしてください。
support.minitab.com を終了します。
[続行] をクリックして次の手順に進みます :