Aquí hay una sugerencia de cómo el Bayesiano CARRO modelo de Hu et al (2011) podrían ser implementadas en WinBUGS. Este método requiere que usted para fijar el árbol de la profundidad de antemano. Dado un árbol binario completo, cualquier nodo en profundidad de 1 (es decir, los niños de la raíz) puede ser identificado por medio de un indicador de $b_1$. Cualquier nodo en la profundidad de 2 puede ser identificado por un par de indicadores $(b_1,b_2)$. Y así sucesivamente. Deje $x[i,v]$ $v$th variable predictora en el $i$th instancia. Podemos codificar la ruta a través del árbol por umbralización $x[i,v]$ de acuerdo a los parámetros de los elegidos nodo a cada profundidad. Este código funciona para los árboles de profundidad 3:
for(i in 1:n) {
b1[i] <- 1 + step(x[i,variable1] - split1)
b2[i] <- 1 + step(x[i,variable2[b1[i]]] - split2[b1[i]])
b3[i] <- 1 + step(x[i,variable3[b1[i],b2[i]]] - split3[b1[i],b2[i]])
y[i] ~ dnorm(mean[b1[i],b2[i],b3[i]], prec[b1[i],b2[i],b3[i]])
}
Sólo se necesita añadir apropiado priores de $variable$ (la división de la variable en cada nodo), $split$ (la división de umbral en cada nodo), y $(mean, prec)$ de las hojas. Hay 8 posibles hojas, pero no deben ser usadas por todos. Por ejemplo, si una de las divisiones está fuera del rango de los datos, a continuación, efectivamente ciruelas pasas lejos de la parte del árbol. Se podría incentivar a los dichos de la poda, con una adecuada antes de divisiones.