使用 CART® 回归可为具有多个类别预测变量或连续预测变量的连续响应创建决策树。CART® 回归说明了在不使用参数化方法时高度复杂的数据中连续响应和重要预测变量之间的重要模式和关系。

CART® 回归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,银行经理希望识别对特定计划具有更高响应率的潜在客户。

CART® 回归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。虽然使用各种算法的决策树普遍流行,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 and Stone (1984)1

在何处找到此分析

要创建分类树,请选择统计 > 预测分析 > CART® 回归

何时使用备择分析

如果您有类别响应变量,请使用CART® 分类

1 Breiman, Friedman, Olshen & 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