CART®
分类和回归树
作为现代数据挖掘领域最重要和最流行的工具之一，CART 是绝佳的分类树。CART 及其建模引擎为高级分析领域带来创新，开启了崭新的数据科学时代。
对于不熟悉 CART 的用户来说，它是一种基于树的算法，其工作原理是根据预测变量的不同值和不同组合，查找多种用来在本地将数据划分或拆分为更小段的方式。CART 选择效果最佳的拆分，然后以递归方式重复此过程，直到找到最优集合为止。结果是由一系列二元拆分表示的决策树，该决策树通往可以由一组特定规则来描述的终端节点。该树及其布局具有视觉冲击性和直观的解释能力，因此您不必是数据科学家，也能了解该树并从中获得有用的见解。
CART 的模型是为所有水平的用户设计的，可以快速发现一些借助于其他分析工具无法发现的重要关系。CART 凭借其相当理想的原始方法（包括内置的自动化、易用性、性能和准确性）在预测分析领域脱颖而出。
专利
CART 的方法基于斯坦福大学和加州大学伯克利分校的四名世界知名统计学家于 1984 年引入的里程碑式数学理论。CART 建模引擎是 Minitab 实施的分类和回归树，是唯一一个包含原始专利代码的决策树软件。
快速灵活
CART 建模引擎的专利扩展经过精心设计，可增强市场研究和分析结果、支持高速部署并提供实时预测和评分。在这几年内，我们的引擎已成为使用最广泛、也最易于使用的预测建模算法之一，同时还是许多基于装袋和推进原理的现代数据挖掘方法的基础。
有兴趣使用 CART 对数据进行部署或建模吗？
Minitab 的基于树的方法
无论您是刚刚起步还是希望将您的预测分析功能提升到新水平，Minitab 的基于树的建模引擎都将为您提供所需的功能。
CART®
绝佳的分类树算法，为高级分析领域带来创新，开启了崭新的数据科学时代。
Random Forests®
能够方便地在一个位置利用多个备选分析、随机化策略和集成学习方法。
TreeNet®
最灵活、最强大的机器学习工具，能够按照统一的方式生成非常准确的模型。