Los árboles de decisión utilizan una clasificación o partición como base para un modelo predictivo para explorar patrones, descubrir relaciones, filtrar los factores más influyentes y sacar conclusiones sobre una respuesta.
Situación: Como gerente de investigación, desea comprender si existe una relación entre los factores del cliente y las ofertas de tarjetas de crédito.
Tarea: El problema es que existen múltiples factores del cliente y no se comprenden completamente todas las relaciones, distribuciones e interacciones.
Acción: Utiliza los árboles de decisión para crear un análisis de partición simple y luego pasa a los métodos avanzados de Bootstrap Forest y Boosted Trees para encontrar el mejor modelo.
Resultado: con estas técnicas de aprendizaje automático, compara los mejores modelos e identifica los valores óptimos para maximizar la aceptación.
Próximos pasos: su investigación se comparte de forma interactiva con sus colegas e informa la próxima campaña de marketing y mejora la rentabilidad.
https://www.jmp.com/en_au/academic/case-study-library.html#credit
