CART CLASSIFICATION & REGRESSION TREESOFTWARE EVERYONE CAN USE
分類木と回帰木（CART®）ソフトウェアを間、ぜひお試しください。Fortune 100に入る企業が、その工程、運用、事業の課題を解決するためにMinitabを選んでいる理由をご覧ください。
CARTに加えて、Minitab® Statistical Softwareは統計手法およびデータ視覚化オプションの包括的なセットを提供し、事業の成果を上げることのできる情報に基づいた決定を可能にします。
分析ツールキットに予測分析ツールの分類木と回帰木（CART）が加わり、ツールキットが改善され、より堅牢になりました。意思決定機能の拡張、積極的な工程の改善による結果の向上、コストのかかるミスの回避を促進します。最も人気かつ有用な予測ツールの1つであるCARTが、Minitab内で高速かつ使いやすい形式で利用できるようになりました。データ科学者でなくても問題なく使用できます。
回帰モデルの精度を検証し素早く評価します。データの再サンプリングや検定およびトレーニングセットへの分割を素早く容易に実行し、さらにはモデルの予測精度もかつてない速さで評価します。
オープンソース統合により、Minitab Statistical Software内でPythonスクリプトをMinitabのデータと統合して、簡単に分析できます。インターフェイスやマクロを使用して、分析の可能性をさらに広げることができます。Minitabを使用することで、データ科学者と連携して、もっと多くの問題をはるかに簡単に解決できます。
CARTは、データマイニング、予測モデリング、およびデータ前処理のための堅牢な意思決定木ツールです。CARTは重要なパターンと関係を自動的に検索し、複雑極まるデータの中にも隠れた構造を見つけ出します。CARTのインターフェイスは直感的で、技術ユーザー、非技術ユーザーのどちらもアクセスできます。
CARTは、ジニやTwoingなど、新しい木の作成方法を導入しています。さまざまな問題に対応できるよう、CARTには順序付けられたカテゴリデータと確率木の成長を扱う特別な規定も含まれています。
CART木は、意図的にデータを二分岐に制限し、他の方法でありがちな多分岐を回避します。この二分決定木は、多分岐よりも遅い速度でデータを小さなセグメントに分けるため、分析するデータが残りわずかになる前に、多くの構造を検出します。多分岐を使用する決定木はデータを速く断片化するため、データ値のより広範な領域でしか出現しないパターンの検出が難しくなります
CARTの開発者は、最適木を見つけるために停止規則を頼ることはできないと判断しました。木が大きく成長しすぎるので、剪定という概念を導入しました。この概念がCARTの基礎であり、性急に停止して重要な構造を見落とすことのないようにします。他の決定木手法は、重要なパターンを見逃す問題のある停止規則を使用します。
データのパターンを検索するとき、「過剰適合」の罠すなわちトレーニングデータにのみ適用されるパターンを見つけるという罠を回避することが大切です。CARTの埋め込みテスト原則では、見つかったパターンが新しいデータに適用される時に維持されます。最適木のテストと選択は、CARTアルゴリズムに欠かせない部分です。他の決定木手法では、テストは任意で、かつ事後にしか実行されず、木の選択はトレーニングデータの計算にのみ基づいています。
単一変数分岐基準では、CARTに分類木のジニ、Twoing、エントロピー、クラス確率、および回帰木の最小二乗と最小絶対偏差が含まれます。デフォルトのジニ方法のパフォーマンスが最適な場合が多いものの、分析に検討すべき唯一の方法というわけではありません。状況によっては、Twoing方法のほうが直感的な木を生成します。
MinitabのCARTソフトウェアは、スタンフォード大学とカリフォルニア大学バークレー校の世界的に有名な統計学者によって1984年に導入されたオリジナルプロプライエタリコードを備えた唯一の決定木ソフトウェアです。間無料のMinitab Statistical Softwareトライアルにサインアップして、CARTの詳細をご覧になり、お試しください。
