使用 CART® 分类,可以为具有许多类别预测变量和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。

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

在何处找到此分析

要执行CART® 分类,请选择统计 > 预测分析 > CART® 分类

何时使用备择分析

如果具有连续响应变量,请使用 CART® 回归

为尝试改进树的拟合性,Minitab 提供采用 预测分析模块TreeNet® 分类Random Forests® 分类 分析。单击此处了解更多关于如何激活模块的信息

1 Breiman、Friedman、Olshen 和 Stone。 (1984) 编写的Classification and Regression Trees(分类和回归树),由佛罗里达州伯克莱屯:Chapman & Hall/CRC