摘 要：很多芯片背面镀银以帮助其与金属的连接、改善背面电极的性能。但是在切割封装过程中，一些芯片会发生镀银层脱落问题。通过分析，该问题与晶圆测试有关。分类与回归树方法是一种分析大量、模糊、随机、含噪声数据的有效工具，适合本问题的分析。通过它分析与该问题相关的大量历史数据，发现了三个影响因素，它们可以合理解释产生的问题，并经受了进一步实验的验证。

关键字：分类与回归树；镀银层脱落；晶圆测试

1 分类与回归树简述

分类与回归树（Classification and Regression Tree， CART）是一种常见的决策树分类方法。决策树是以事例为基础的归纳学习算法，利用一系列规则，从一组无次序、无规则的事例中建立树状图用于分类与预测，神经网络、卡方自动交互检验、二值逻辑回归等也是常见方法。分类和回归是通过已知对象多维度上的数据特点建立预测准则，进而通过该准则和未知对象相应维度上的数据进行预测的过程。分类侧重于预测对象在不同类间的归属；回归则侧重于预测对象的数值。

1984年，CART由Breiman[1]等提出，是一种分析大量、模糊、随机、含噪声数据的有效工具，可以发现其中隐含的、未知的、有潜在作用的信息和知识。在数据挖掘的大量实践中发挥了很好的作用，如个人信用分析[2]等。CART方法通过简单二叉树进行数据分类。二叉树是由根结点、中间结点和叶结点组成。每个根结点和中间结点作为父结点均有2个子结点，叶结点不再分割。CART以选定特征从根结点开始反复划分数据集合为两个子集，直至叶结点。……