Entscheidungsbaum online erstellen

Mit numiqo kannst du einen CART Entscheidungsbaum aus einer abhängigen Variable und zwei oder mehr unabhängigen Variablen erstellen. Ist die abhängige Variable kategorial, erstellt der Rechner einen Klassifikationsbaum. Ist die abhängige Variable metrisch, erstellt er einen Regressionsbaum.

CART Entscheidungsbaum Rechner

CART steht für Classification and Regression Trees. Der Algorithmus teilt die Daten rekursiv in zwei Äste. Metrische Prädiktoren werden über Schwellenwerte geteilt, kategoriale Prädiktoren über Kategorie-Gruppen. Für Klassifikationsbäume verwendet numiqo die Gini-Impurität. Für Regressionsbäume nutzt der Rechner quadratischen Fehler und Varianzreduktion.

Die Ausgabe enthält eine Methodentabelle, Leistungskennzahlen, für Klassifikation eine Konfusionsmatrix oder für Regression Regressionskennzahlen, relative Variablenwichtigkeit und eine kompakte Tabelle der Baumregeln.

CART oder CHAID

CART ist die Standardmethode für Entscheidungsbäume und unterstützt kategoriale und metrische abhängige Variablen. Wenn die abhängige Variable kategorial ist, steht CHAID zusätzlich als eigene Methode zur Verfügung. Der CHAID-Entscheidungsbaum verwendet Chi-Quadrat-Tests und kann mehrere Äste erzeugen. Deshalb ist CHAID oft für die Segmentierung kategorialer Daten nützlich.

Wie interpretiere ich einen Entscheidungsbaum?

Der Wurzelknoten enthält alle für die Analyse verwendeten Zeilen. Jede folgende Zeile beschreibt eine Teilungsregel, die Anzahl der Zeilen in diesem Knoten und die vorhergesagte Klasse oder den vorhergesagten metrischen Wert. Wichtige Variablen sind diejenigen, die Impurität oder Fehler im angepassten Baum am stärksten reduzieren.