使用 CART® 分类 可以为具有许多类别预测变量或连续预测变量的二项或多项式类别响应创建决策树。 CART® 分类 说明了在不使用参数化方法时高度复杂的数据中类别响应和重要预测变量之间的重要模式和关系。

CART® 分类 可以帮助您深入洞察各种应用,包括制造质量控制、药物发现、欺诈检测、信用评分和流失预测。使用获得的结果确定重要变量,从而识别数据中具有所需特征的组,并预测新观测值的响应值。例如,市场研究人员可以使用 CART® 分类 来识别对特定计划具有更高响应率的客户,并预测这些响应率。

CART® 分类 是唯一使用斯坦福大学和加州大学伯克利分校世界知名教授的原始代码的决策树方法。虽然具有各种算法的决策树是流行的工具,但 CART® 生成决策树的方法以其自身的特点和卓越的性能而与众不同。CART® 方法保留所有权,并且包含了几十年实际应用经验的增强。

有关 CART® 方法更为完整的说明,请参见 Breiman、Friedman、Olshen 和 Stone (1984)1

在何处找到此分析

要执行 CART® 分类,选择 统计 > 预测分析 > CART® 分类

何时使用备择分析

如果您有连续响应变量,请使用 CART® 回归

1 Breiman、Friedman、Olshen 和 Stone。(1984)。 Classification and Regression Trees. Boca Raton,Florida:Chapman & Hall/CRC。
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策