---
title: "修剪决策树，造出好纸张：Minitab 中的预测分析和根本原因分析 | Trimming Decision Trees to Make Paper: Predictive Analytics and Root Cause Analysis in Minitab"
description: 我们从过程中收集的观测数据越来越多，因此，我们可能需要新工具才能够获得有意义的见解。您可以添加现代机器学习技术和传统统计工具来分析、改进及掌控各个过程。我们查看一个示例，该示例从二元逻辑回归开始，并以分类和回归树 (CART®) 结束。
---

[Minitab博客](https://blog.minitab.com/zh/blog)

# [修剪决策树，造出好纸张：Minitab 中的预测分析和根本原因分析 | Trimming Decision Trees to Make Paper: Predictive Analytics and Root Cause Analysis in Minitab](https://blog.minitab.com/zh/blog/trimming-decision-trees-paper-predictive-analytics-root-cause-analysis)

 Written by [Cheryl Pammer](https://blog.minitab.com/zh/blog/author/cheryl-pammer) | 2022-1-7 5:00:00

我们从过程中收集的观测数据越来越多，因此，我们可能需要新工具才能够获得有意义的见解。您可以添加现代机器学习技术和传统统计工具来分析、改进及掌控各个过程。我们查看一个示例，该示例从二元逻辑回归开始，并以分类和回归树 (CART®) 结束。

[立即观看：](https://blog.minitab.com/cs/c/?cta_guid=8a41b78c-edf1-41dc-8353-38932a43fb27&placement_guid=a9fcd070-78c5-4ce3-a9f1-066209287d2e&portal_id=3447555&canon=https://blog.minitab.com/blog/trimming-decision-trees-paper-predictive-analytics-root-cause-analysis&redirect_url=APefjpGR466lZXcRx8Grfq6equgWSejIt9XsDArXgM3PQxCPUeZq-CsXI6FlJojpeUpbdnYRu4uhdfPOrLXdK9uRT083pjwsypISbvoowdAssVHMvZtahe2x2_eVyDJz9HQG2RYPhA0RP_lihG5J6AmNS49o-eO1vv_WZYOEKJT6uf0tgasvmH6q6fRUCm8JYeQXL5EGpE09bOZBEoKx8rKOLOkm_yIbdsQvrEgJQ_dS2zdR15cdKKvsG_PaKiVossO8dR4feliumi9PQksgEiEHEUWCFgQ2_DoNnYcq42QY9Ec-gSutkFU&click=1e1d1bdb-f036-44c2-8e31-5beed245c063&hsutk=f2d36d2d3fb0edf0fad61842a2639aff&signature=AAH58kFaB8lYI8rlVxYQzmaHmCQda0EqjA&utm_referrer=https://blog.minitab.com/blog&pageId=5698159635&__hstc=110814042.f2d36d2d3fb0edf0fad61842a2639aff.1553808209321.1589818490056.1589825396233.1210&__hssc=110814042.2.1589825396233&__hsfp=3628799678&contentType=blog-post&hsLang=zh)[利用最新版 Minitab 不断充实数据专业知识](https://blog.minitab.com/cs/c/?cta_guid=8a41b78c-edf1-41dc-8353-38932a43fb27&placement_guid=a9fcd070-78c5-4ce3-a9f1-066209287d2e&portal_id=3447555&canon=https://blog.minitab.com/blog/trimming-decision-trees-paper-predictive-analytics-root-cause-analysis&redirect_url=APefjpGR466lZXcRx8Grfq6equgWSejIt9XsDArXgM3PQxCPUeZq-CsXI6FlJojpeUpbdnYRu4uhdfPOrLXdK9uRT083pjwsypISbvoowdAssVHMvZtahe2x2_eVyDJz9HQG2RYPhA0RP_lihG5J6AmNS49o-eO1vv_WZYOEKJT6uf0tgasvmH6q6fRUCm8JYeQXL5EGpE09bOZBEoKx8rKOLOkm_yIbdsQvrEgJQ_dS2zdR15cdKKvsG_PaKiVossO8dR4feliumi9PQksgEiEHEUWCFgQ2_DoNnYcq42QY9Ec-gSutkFU&click=1e1d1bdb-f036-44c2-8e31-5beed245c063&hsutk=f2d36d2d3fb0edf0fad61842a2639aff&signature=AAH58kFaB8lYI8rlVxYQzmaHmCQda0EqjA&utm_referrer=https://blog.minitab.com/blog&pageId=5698159635&__hstc=110814042.f2d36d2d3fb0edf0fad61842a2639aff.1553808209321.1589818490056.1589825396233.1210&__hssc=110814042.2.1589825396233&__hsfp=3628799678&contentType=blog-post&hsLang=zh)

 

# 找出纸浆漂白过程中过量变异的根本原因

在我们的示例中，我们了解到产品缺陷率为 2.9%。为开始研究造纸过程中发生不可接受缺陷率的根本原因，您可以使用 Minitab 中的二元逻辑回归，其中响应变量为“观测值是否为缺陷”。遗憾的是，对于该数据，下方残差图中所示的杂乱模式表明，二元逻辑回归模型可能不足以满足分析要求。

 

# CART 方法

[CART](https://www.minitab.com/products/minitab?utm_campaign=Americas_MinitabCart_Release_2020&utm_source=blog&utm_medium=trimming-decision-trees)是一种决策树算法，它会创建一组“是/否”规则，然后利用这些规则并基于预测变量 (X) 设置将响应 (Y) 变量分裂到多个分区。通过使用 Minitab 中的 CART 功能，可以看到，其中一个预测变量，即“排水 pH”是导致出现缺陷的主要因素。

若排水 pH <= 7.739，则估计出现缺陷的概率相对较高 (17.7%)。若排水 pH > 7.739，则很少出现缺陷。

 

### 延伸阅读：

下方的 Minitab 图解释了此规则的工作原理。CART 模型会找出可将 Response = Pass 组与 Response = Fail 组分离的最佳变量和设置。在这个案例中，最佳变量和设置是数值为 7.739 的排水 pH。

 

我可以继续扩展 CART 树，从而找出更多会导致此过程出现缺陷的设置组合。将问题范围缩小到关键的几个 X 之后，我就可以实施控制以降低缺陷概率。在这个案例中，完整的 CART 分类模型可确定会导致高缺陷率的排水 pH 与生产率的特定组合，如下图所示。

 

### 准备好亲身体验？

[View full post](https://blog.minitab.com/zh/blog/trimming-decision-trees-paper-predictive-analytics-root-cause-analysis)

```json
{
  "@context" : "http://schema.org",
  "@type" : "BlogPosting",
  "author" : {
    "@type" : "Person",
    "name" : "Cheryl Pammer"
  },
  "dateModified" : "2025-07-31T19:09:41.466Z",
  "datePublished" : "2022-01-07T05:00:00Z",
  "headline" : "修剪决策树，造出好纸张：Minitab 中的预测分析和根本原因分析 | Trimming Decision Trees to Make Paper: Predictive Analytics and Root Cause Analysis in Minitab",
  "image" : {
    "@type" : "ImageObject",
    "height" : 519,
    "url" : "https://3447555.fs1.hubspotusercontent-na1.net/hubfs/3447555/B2BML%20-%20NEW%20FILE%20MANAGER%20STRUCTURE/Blog%20Images/Imported_Blog_Media/Capture-Feb-11-2022-09-36-28-95-AM-1.jpg",
    "width" : 980
  },
  "mainEntityOfPage" : "https://blog.minitab.com/zh/blog/trimming-decision-trees-paper-predictive-analytics-root-cause-analysis",
  "publisher" : {
    "@type" : "Organization",
    "logo" : {
      "@type" : "ImageObject",
      "height" : 60,
      "url" : "/hs/hsstatic/content_shared_assets/static-1.4092/img/default-amp-logo.png",
      "width" : 60
    },
    "name" : "Minitab博客"
  }
}
```