범주형 또는 계량형 예측 변수가 많은 연속 반응에 대한 의사결정 트리를 만드는 데 카트® 회귀을 사용합니다. 카트® 회귀에서는 모수 방법을 사용하지 않고 매우 복잡한 데이터 내에서 연속 반응과 중요한 예측 변수 간의 중요한 패턴과 관계를 보여줍니다.

카트® 회귀는 제조 품질 관리, 신약 발견, 사기 탐지, 신용 평가 및 이탈 예측을 비롯한 광범위한 애플리케이션에 대한 통찰력을 제공합니다. 결과를 사용하여 중요한 변수를 식별하고, 바람직한 특성을 가진 데이터에서 그룹을 식별하고, 새 관측치에 대한 반응 값을 예측합니다. 예를 들어 은행 관리자는 특정 이니셔티브에 대한 응답률이 높은 잠재 고객을 식별하려고 합니다.

카트® 회귀는 스탠포드 대학과 버클리 캘리포니아 대학에서 세계적으로 유명한 교수의 원래 코드를 사용하는 유일한 의사결정 트리 방법론입니다. 다양한 알고리즘을 갖춘 의사 결정 트리가 인기 있는 도구이지만 의사 결정 트리를 생성하는 CART® 방법론은 그 특징과 성능을 통해 차별화합니다. CART® 방법론은 독점적이며 실제 응용 분야에 대한 수십 년의 경험을 통해 향상되었습니다.

CART® 방법론에 대한 전체적인 내용은 Breiman, Friedman, Olshen and Stone (1984)1.

이 분석을 찾을 수 있는 위치

분류 트리를 만들려면 통계분석 > 예측 분석 > CART® 회귀을 선택합니다.

대체 분석을 사용할 시기

범주형 반응 변수가 있는 경우 카트® 분류을 사용합니다.

1 Breiman, Friedman, Olshen & Stone. (1984)을 참조하십시오. Classification and Regression Trees. Boca Raton, Florida: Chapman & Hall/CRC.
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오