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。
情况：作为研究经理，您想了解客户因素和信用卡优惠之间是否存在关系。
任务：问题在于存在多个客户因素，而并非所有关系，分布和互动都得到了充分理解。
行动：您使用决策树创建一个简单的分区分析，然后转到高级的Bootstrap Forest和Boosted Trees方法以找到最佳模型。
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化接受度。
后续步骤：您的研究将与您的同事交互共享，并为下一次营销活动提供信息并提高盈利能力。
https://www.jmp.com/en_au/academic/case-study-library.html#credit
