CART Analizi
CART Analysis
Tanım
Veri setlerini, bir dizi yordayıcı değişken kullanarak giderek daha küçük ve homojen alt gruplara ayıran ikili bir karar ağacı algoritmasıdır.
Örnek Vaka / Uygulama
Majör Depresyon tanısı almış 500 hastanın tedaviye yanıt verip vermeyeceğini öngörmek isteyen bir klinik psikolog, yaş, uyku bozukluğu derecesi, erken dönem travma skoru ve anamnezdeki anksiyete varlığı gibi değişkenleri kullanarak bir CART analizi yürütür. Algoritma ilk olarak veriyi 'uyku bozukluğu skoru' üzerinden ikiye böler; alt dallarda ise erken dönem travma skorunun kritik bir eşik değeri aşmasının tedavi direncini belirleyen anahtar alt grubu oluşturduğunu görsel bir karar ağacı diyagramıyla ortaya koyar.
Derin Analiz
CART analizi, veri madenciliği ve makine öğrenmesi alanlarında hem sınıflandırma (kategorik çıktı değişkenleri için) hem de regresyon (sürekli çıktı değişkenleri için) amaçlı kullanılan non-parametrik bir istatistiksel yöntemdir. Geleneksel lineer modellere kıyasla değişkenler arasındaki doğrusal olmayan ilişkileri ve karmaşık etkileşimleri modellemede yüksek esneklik sunar. Algoritma, veriyi iteratif olarak en yüksek homojenliği (veya en düşük safsızlığı, örn. Gini İndeksi veya Shannon Entropisi kullanarak) sağlayacak şekilde ikili dallara (binary splits) ayırır. Klinik araştırmalarda ve psikiyatrik tanı modellemelerinde, çok sayıda demografik ve nöropsikolojik değişken arasından bir hastalığın varlığını en iyi yordayan profilleri belirlemek için sıklıkla tercih edilir.
Etimoloji
İngilizce 'Classification and Regression Trees' (Sınıflandırma ve Regresyon Ağaçları) ifadesinin kısaltmasından türetilmiştir. 'Classification' kelimesi Latince 'classis' (sınıf, grup) ve 'facere' (yapmak) köklerine dayanırken; 'regression' kelimesi Latince 'regredi' (geri dönmek) kökünden türetilmiştir.
Karıştırmayın
Çoklu Doğrusal Regresyon (Multiple Linear Regression) ve Lojistik Regresyon (Logistic Regression). Regresyon analizleri verideki tüm örneklem için global bir denklem kurarken, CART analizi veriyi ardışık olarak yerel alt kümelere bölerek çalışır ve doğrusal varsayımlara ihtiyaç duymaz.