Use Classificação CART® para criar uma árvore de decisão para uma resposta categórica binomial ou multinomial com muitas variáveis preditoras categóricas e contínuas. O Classificação CART® ilustra padrões e relações importantes entre uma resposta categórica e preditores importantes dentro de dados altamente complicados sem usar métodos paramétricos.
Classificação CART® oferece insights para uma grande variedade de aplicações, incluindo controle de qualidade de fabricação, descoberta de drogas, detecção de fraudes, pontuação de crédito e predição de rotatividade. Use os resultados para identificar variáveis importantes, identificar grupos nos dados com características desejáveis e predizer os valores de resposta para novas observações. Por exemplo, um pesquisador de mercado pode usar Classificação CART® para identificar clientes que têm taxas de resposta mais altas a iniciativas específicas e predizer essas taxas de resposta.
Para uma introdução mais completa à metodologia CART®, veja Breiman, Friedman, Olshen e Stone (1984)1.
Para realizar um Classificação CART®, escolha .
Se você tiver uma variável resposta contínua, use Regressão CART®.
Para tentar melhorar o ajuste da árvore, o Minitab oferece Classificação TreeNet® e Classificação Random Forests®analisa com o Módulo de análise preditiva. Clique aqui saber mais sobre como ativar o módulo.