Entscheidungsbäume verwenden eine Klassifizierung oder Partition als Grundlage für ein Vorhersagemodell, um Muster zu untersuchen, Beziehungen aufzudecken, die einflussreichsten Faktoren zu überprüfen und Schlussfolgerungen über eine Antwort zu ziehen.
Situation: Als Research Manager möchten Sie verstehen, ob ein Zusammenhang zwischen Kundenfaktoren und Kreditkartenangeboten besteht.
Aufgabe: Das Problem ist, dass es mehrere Kundenfaktoren gibt und nicht alle Beziehungen, Verteilungen und Interaktionen vollständig verstanden werden.
Aktion: Sie verwenden Entscheidungsbäume, um eine einfache Partitionsanalyse zu erstellen, und wechseln dann zu den erweiterten Methoden Bootstrap Forest und Boosted Trees, um das beste Modell zu finden.
Ergebnis: Mit diesen Techniken des maschinellen Lernens vergleichen Sie die besten Modelle und ermitteln die optimalen Werte, um die Akzeptanz zu maximieren.
Nächste Schritte: Ihre Forschung wird interaktiv mit Ihren Kollegen geteilt und informiert über die nächste Marketingkampagne und verbessert die Rentabilität.
https://www.jmp.com/en_au/academic/case-study-library.html#credit
