决策树回归的结果是如何连续的？

Question

我已经使用sklearn.tree.DecisionTreeRegressor预测了一个回归问题，该问题有两个独立变量，即特征“X”、“Y”和预测的可靠变量“Z”。 当我绘制这棵树时，树叶似乎与分类树没有太大区别。结果不是每个叶的函数，而是每个叶的单个值，就像在分类中一样

有人能解释一下，为什么这叫做回归，为什么它不同于分类树

因为我似乎误解了sklearn类，所以有没有python的树包，它执行“真正的”回归，并且在每个叶上都有一个函数作为输出？对于X，Y和Z，这可能是每片叶子上的某种表面

Answer 1

对于搜索我正在搜索的内容的任何人：

有线性/对数/的组合。。。带有决策树的回归模型，称为“模型树”。不幸的是，它没有包含在任何免费的python包中，但是如果你用谷歌搜索的话，github上有一些实现。它也应该很快在scikit learn中提供。 模型树与M5算法相似

Answer 2

这是意料之中的。每个叶的输出不是函数，而是单个值，表示该叶中所有实例的预测数值（因此回归）输出。输出是一个“函数”，即根据您将在哪个叶中着陆而获得不同的值。分类树中的单词完全相同，但输出值表示类别概率，而不是Z的预测值

换句话说，回归输出映射到任意值的函数，但并没有规定该函数必须是连续的。对于树木，其功能更像是一个“阶梯”