Klassifikations- und Regressionsbäume

Klassifikations- und Regressionsbäume sind Methoden zur Erstellung von erklärenden und vorhersagenden Modellen. Die beiden Stärken der Methode sind zum einen die einfach grafische Darstellung in Baumform und zum anderen die Formulierung in Regeln, die es erlauben, das Modell in Textform zu fassen und direkt in Programmcode umzusetzen. Man unterscheidet die folgenden beiden Fälle von einfachen, schnellen und präzisen Modelle, um unbekannte Werte vorherzusagen. - Benutzen Sie einen Klassifikationsbaum um die Zugehörigkeit von Individuen zu einer Klasse zu erklären und vorherzusagen auf Basis von erklärenden quantitativen oder qualitativen Variablen. - Benutzen Sie einen Regressionsbaum um eine Erklärungs- und Vorhersagemodell einer quantitativen Variablen auf Basis von erklärenden quantitativen oder qualitativen Variablen zu erstellen.

XLSTAT erlaubt es, zwischen vier verschiedenen Verfahren der Klassifikations- und Regressionsbaumanalyse auszuwählen : CHAID, vollständiges CHAID, C&RT (Classification and Regression Trees) und Quest.

Bemerkung: Manchmals findet man auch die Bezeichnung Segmentierbaum oder Entscheidungsbaum, wenn man Modellen spricht, die durch durch die im folgenden beschriebenen Verfahren erzeugt werden.