决策树使用分类或分区作为预测模型的基础，以探索模式，发现关系，筛选最有影响力的因素并得出有关响应的结论。
JMP®提供了一种交互式方法来创建决策树，其中包含众多用于优化和解释结果的选项。
视图本健康与生命科学案例研究旨在了解基于树的机器学习方法如何成为识别因素与响应变量之间关系的非常好的模型。
• 分区平台。
• 引导森林。
• 助推树。
演员表学习
情况：作为研究经理，您想了解患者因素和糖尿病分类之间是否存在关联。
任务：问题在于存在多个患者因素，并且并未完全理解所有的关系和因素相互作用。
行动：您使用决策树创建简单的分区，然后使用高级的Bootstrap Forest和Boosted Trees方法来找到最佳模型。
结果：使用这些机器学习技术，您可以比较最佳模型并确定最佳值以最大程度地减少糖尿病。
后续步骤：您的研究将与您的同事共享，并导致更多的研究，有助于改善患者的健康。
#sas #jmp #machinelearning
