クラス分類・回帰木は、説明と予測の両方の目的に合ったモデルを供給する手法です。この手法の２つの強みは、ツリーによる単純なグラフィカル表現と、自然言語のルールのコンパクトな形式です。我々は、これらのモデリング手法が使用されるべき、次の２つのケースを区別します:
- 量的および質的な説明変数に基づいて、オブジェクト（オブザベーション、個体）のクラスへの所属を説明し予測するために、クラス分類木を使用する。
- 量的および質的な説明変数に基づいて、量的目的変数の説明と予測のモデルを構築するために、回帰木を使用する。.
XLSTAT は、CHAID, 全数探索的 CHAID, QUEST および C&RT (Classification and Regression Trees) アルゴリズムを使用します。.