精选优质文档-倾情为你奉上决策树CART算法的Clementine与Python实现比较作者：杜婵来源：大经贸2018年第01期【摘 要】 近年来，信息社会中丰富的数据对数据分析工具需求加大，数据挖掘技术应运而生，决策树方法以其速度快、精度高、生成的模式简单等优点受到许多研究者关注，已成功应用于医疗诊断、金融分析、身份识别等许多应用领域，一般情况下决策树分类器具有良好的准确率。本问旨在使用银行营销数据通过Clementine与python两种方法构造决策树CART算法下的模型，分别得出影响客户办理银行定期存款业务的各因素的重要程度，以及通过模型对输出变量y预测的精度，从而进行两个结果的对比分析，找出两种方法存在的差异。【关键词】 决策树CART算法 Clementine、Python 预测精度一、数据介绍本次报告中使用的Bank Marking（银行营销）数据是通过UCI数据库下载获得，该数据共涉及45211条客户信息，包含17个变量，其中输出变量为是否办理了定期存款业务，是本次研究的目
