CART® 분류을 사용하여 많은 범주형 및 계량형 예측 변수를 사용하여 이항 또는 다항 범주 반응에 대한 의사 결정 트리를 만듭니다. CART® 분류은(는) 파라메트릭 방법을 사용하지 않고 매우 복잡한 데이터 내에서 범주형 반응과 중요한 예측 변수 간의 중요한 패턴과 관계를 보여줍니다.

CART® 분류는 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, 시장 연구원은 CART® 분류을 사용하여 특정 이니셔티브에 대한 반응률이 높은 고객을 식별하고 이러한 반응률을 예측할 수 있습니다.

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

이 분석을 찾을 수 있는 위치

CART® 분류을 수행하려면 통계분석 > 예측 분석 > CART® 분류을 선택합니다.

대립 분석을 사용할 시기

계량형 반응 변수가 있는 경우 CART® 회귀 분석을(를) 사용합니다.

트리의 적합성을 개선하기 위해 Minitab은 TreeNet® 분류을(를) 제공하고 예측 분석 모듈을(를) 통해 Random Forests® 분류을(를) 분석합니다. 모듈을 활성화하는 방법에 대한 자세한 내용은 여기를 클릭하십시오.

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