CART Decision Tree ist ein Entscheidungsbaumalgorithmus, der für Klassifizierungs- und Regressionsaufgaben verwendet werden kann. 1977 von den Statistikprofessoren Leo Breiman und Charles Joel Stone von der Berkeley University sowie Jerome H. Friedman und Richard Olshen von der Stanford University entwickelt. Dieser Algorithmus wird häufig in den Bereichen Data Mining und maschinelles Lernen verwendet. Sein Kern besteht darin, den Datensatz rekursiv in immer kleinere Teilmengen aufzuteilen und dabei einen Entscheidungsbaum zu erstellen.

CART generiert einen binären Baum, in dem jeder interne Knoten eine Entscheidungsregel hat und jeder Blattknoten ein Vorhersageergebnis liefert. Jede Aufteilung erfolgt basierend auf einem Schwellenwert einer einzelnen Variablen. CART verwendet Beschneidungsstrategien, um eine Überanpassung zu vermeiden und die Generalisierungsfähigkeit des Modells zu verbessern. CART kann auch Klassifikationsbäume und Regressionsbäume erstellen, die für verschiedene Arten von Vorhersageaufgaben geeignet sind.

Verweise

【1】Der vollständige Leitfaden zur Entscheidungsbaumanalyse

【2】Geschichte von CART

【3】Klassifikations- und Regressionsbäume