分类与回归树方法在分析晶圆镀银层脱落问题中的应用

分类与回归树方法在分析晶圆镀银层脱落问题中的应用  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

分类与回归树方法在分析晶圆镀银层脱落问题中的应 用 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(ClassificationandRegressionTree,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

腾讯文库分类与回归树方法在分析晶圆镀银层脱落问题中的应用