回归树可以连续预测吗?
假设我有一个平滑函数,如。我有一个训练集d ⊊ { ((X ,Y ^ ),˚F (X ,Y ^ ))| (X ,Y ^ )∈ [R 2 },当然,我不知道˚F虽然我可以评估˚F地方我想要的。F(x ,y)= x2+ y2f(x,y)=x2+y2f(x, y) = x^2+y^2D⊊{((x,y),f(x,y))|(x,y)∈R2}D⊊{((x,y),f(x,y))|(x,y)∈R2}D \subsetneq \{((x, y), f(x,y)) | (x,y) \in \mathbb{R}^2\}ffffff 回归树是否能够找到函数的平滑模型(因此,输入中的微小变化只应该导致输出中的微小变化)? 根据我在第10课:回归树中所读的内容,在我看来,回归树基本上将函数值放入了bin中: 对于经典回归树,每个像元中的模型只是Y的恒定估计值。 当他们写“经典”时,我猜有一个变体,其中的细胞做一些更有趣的事情?