Η μέθοδος C and RT (Classification and Regression Trees) στην ταξινόμηση και ανάλυση των δεδομένων

Με τον όρο Classification and Regression Tree (CaRT), εννοείται μία μέθοδος μηχανικής εκμάθησης, κατά την οποία χρησιμοποιείται ένα ορισμένο σύνολο δεδομένων, προκειμένου να συσταθεί ένα μοντέλο πρόβλεψης. Η διαδικασία που ακολουθείται, βασίζεται στον επαναλαμβανόμενο διαχωρισμό των διαθέσιμων παρατηρήσεων και στην εφαρμογή ενός μη πολύπλοκου προβλεπτικού αλγορίθμου σε κάθε διαχωρισμένο υποσύνολο. Ο αλγόριθμος που δημιουργείται, παρουσιάζεται με τη μορφή ενός δέντρου απόφασης το οποίο αποτελείται από ρίζα, διακλαδώσεις και φύλλα. Στην παρούσα εργασία, πραγματοποιήθηκε αρχικά θεωρητική παρουσίαση της μεθόδου CaRT και εν συνεχεία ανάπτυξη παραδείγματος με τη χρήση του στατιστικού λογισμικού πακέτου R-statistic με τις μεθόδους ταξινόμησης Classification Tree και Logistic Regression. Στόχος της εργασίας είναι αφενός, η παρουσίαση της μεθόδου CaRT, αφετέρου, η εξέταση της προβλεπτικής της ικανότητας σε σχέση με παραδοσιακές μεθόδους ανάλυσης. Προς τον σκοπό αυτό, κατά την ανάπτυξη του παραδείγματος, υλοποιήθηκε σύγκριση αποτελεσμάτων που προέκυψαν από την μέθοδο CaRT, των αποτελεσμάτων από την μέθοδο Logistic Regression καθώς και της και υφιστάμενης ανάλυσης, που διενεργήθηκε με την μέθοδο της Λογιστικής Παλινδρόμησης το 2015 με την εργασία των A. Fotiou, E. Kanavou, M. Stavrou, C. Richardson και A. Kokkevi “ Prevalence and correlates of electronic cigarette use among adolescents in Greece: A preliminary cross-sectional analysis of nationwide survey data” . Από τα αποτελέσματα προέκυψαν οι μεταβλητές που καθορίζουν την χρήση του παραδοσιακού και του ηλεκτρονικού τσιγάρου, οι οποίοι είναι το φύλο, η χρήση άλλων ουσιών όπως η κάνναβη και το αλκοόλ, η επίβλεψη της οικογένειας, καθώς και η χρήση τσιγάρου από τα άτομα που συναναστρέφεται ο νέος. Επιπλέον και οι τρεις μέθοδοι οδήγησαν σε παρόμοια αποτελέσματα, κάτι το οποίο ενισχύει την λειτουργικότητα της μεθόδου Classification and Regression Tree.