blocks|key|2909777|text|你的理解是对的。从数学上讲，回归树表示分段常数函数，(线性)模型树表示分段线性函数。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|2909778|DecisionTreeRegressor是一种回归树。|style|CODE|2909779|entityMap|0|LINK|mutability|MUTABLE|url|https://en.wikipedia.org/wiki/Step_function|1|https://en.wikipedia.org/wiki/Piecewise_linear_function^0|J|6|0|Z|6|1|0|0|L|0^^$0|@$1|2|3|4|5|6|7|R|8|@]|9|@$A|S|B|T|1|U]|$A|V|B|W|1|X]]|C|$]]|$1|D|3|E|5|6|7|Y|8|@$A|Z|B|10|F|G]]|9|@]|C|$]]|$1|H|3|-4|5|6|7|11|8|@]|9|@]|C|$]]]|I|$J|$5|K|L|M|C|$N|O]]|P|$5|K|L|M|C|$N|Q]]]]

You're understanding is right. Mathematically, a regression tree represents a <a href="https://en.wikipedia.org/wiki/Step_function" rel="noreferrer">piecewise constant function</a>, while a (linear) model tree is a <a href="https://en.wikipedia.org/wiki/Piecewise_linear_function" rel="noreferrer">piecewise linear function</a>.

<code>DecisionTreeRegressor</code> is a regression tree.

blocks|key|2909883|text|模型树不同于决策树，因为它们计算线性近似(而不是常量)拟合简单的线性模型。|type|unstyled|depth|inlineStyleRanges|offset|length|style|BOLD|entityRanges|data|2909884|对于我的一个项目，我开发了线性树：一个python库，用于在叶子上用线性模型构建模型树。|2909885|​|2909886|📷|atomic|2909887|2909888|linear-tree是与scikit-learn完全可积的。|CODE|2909889|from+sklearn.linear_model+import+*
from+lineartree+import+LinearTreeRegressor,+LinearTreeClassifier

#+REGRESSION
regr+=+LinearTreeRegressor(base_estimator=LinearRegression())
regr.fit(X,+y)

#+CLASSIFICATION
clf+=+LinearTreeClassifier(base_estimator=RidgeClassifier())
clf.fit(X,+y)|code-block|syntax|javascript|2909890|LinearTreeRegressor和LinearTreeClassifier以scikit-learn+BaseEstimator的形式提供。它们是在数据上构建决策树的包装器，用于拟合来自sklearn.linear_model的线性估计器。sklearn.linear_model中的所有模型都可以作为线性估计器。|2909891|决策树与模型树的比较|2909892|2909893|2909894|2909895|2909896|2909897|2909898|entityMap|0|LINK|mutability|MUTABLE|url|https://github.com/cerlymarco/linear-tree|1|IMAGE|IMMUTABLE|imageUrl|https://developer.qcloudimg.com/http-save/yehe-900000/97fb8ed24ca8b8ff96df6d1a40c33e9c.png|imageAlt|2|https://developer.qcloudimg.com/http-save/yehe-900000/808c4c0476c1ba99f0abb35a3f74f9b7.png|3|https://developer.qcloudimg.com/http-save/yehe-900000/3fee34e2b51023c6476ecac13c9927be.png^0|0|3|6|3|W|4|0|D|3|0|0|0|0|1|1|0|0|0|B|D|C|0|0|0|J|K|K|15|C|2O|K|3F|K|0|0|3|4|3|0|0|0|1|2|0|0|0|0|1|3|0|0^^$0|@$1|2|3|4|5|6|7|1N|8|@$9|1O|A|1P|B|C]|$9|1Q|A|1R|B|C]|$9|1S|A|1T|B|C]]|D|@]|E|$]]|$1|F|3|G|5|6|7|1U|8|@]|D|@$9|1V|A|1W|1|1X]]|E|$]]|$1|H|3|I|5|6|7|1Y|8|@]|D|@]|E|$]]|$1|J|3|K|5|L|7|1Z|8|@]|D|@$9|20|A|21|1|22]]|E|$]]|$1|M|3|I|5|6|7|23|8|@]|D|@]|E|$]]|$1|N|3|O|5|6|7|24|8|@$9|25|A|26|B|P]|$9|27|A|28|B|P]]|D|@]|E|$]]|$1|Q|3|R|5|S|7|29|8|@]|D|@]|E|$T|U]]|$1|V|3|W|5|6|7|2A|8|@$9|2B|A|2C|B|P]|$9|2D|A|2E|B|P]|$9|2F|A|2G|B|P]|$9|2H|A|2I|B|P]|$9|2J|A|2K|B|P]]|D|@]|E|$]]|$1|X|3|Y|5|6|7|2L|8|@$9|2M|A|2N|B|C]|$9|2O|A|2P|B|C]]|D|@]|E|$]]|$1|Z|3|I|5|6|7|2Q|8|@]|D|@]|E|$]]|$1|10|3|K|5|L|7|2R|8|@]|D|@$9|2S|A|2T|1|2U]]|E|$]]|$1|11|3|I|5|6|7|2V|8|@]|D|@]|E|$]]|$1|12|3|I|5|6|7|2W|8|@]|D|@]|E|$]]|$1|13|3|K|5|L|7|2X|8|@]|D|@$9|2Y|A|2Z|1|30]]|E|$]]|$1|14|3|I|5|6|7|31|8|@]|D|@]|E|$]]|$1|15|3|-4|5|6|7|32|8|@]|D|@]|E|$]]]|16|$17|$5|18|19|1A|E|$1B|1C]]|1D|$5|1E|19|1F|E|$1G|1H|1I|-4]]|1J|$5|1E|19|1F|E|$1G|1K|1I|-4]]|1L|$5|1E|19|1F|E|$1G|1M|1I|-4]]]]

Model Trees differ from Decision Trees because they compute linear approximation (instead of constant ones) fitting simple Linear Models in the leaves.
For a project of mine, I developed <a href="https://github.com/cerlymarco/linear-tree" rel="nofollow noreferrer">linear-tree</a>: a python library to build Model Trees with Linear Models at the leaves.
<a href="https://i.stack.imgur.com/n1VqK.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/n1VqK.png" alt="enter image description here" /></a>
<code>linear-tree</code> is developed to be fully integrable with <code>scikit-learn</code>.
<pre><code>from sklearn.linear_model import *
from lineartree import LinearTreeRegressor, LinearTreeClassifier

# REGRESSION
regr = LinearTreeRegressor(base_estimator=LinearRegression())
regr.fit(X, y)

# CLASSIFICATION
clf = LinearTreeClassifier(base_estimator=RidgeClassifier())
clf.fit(X, y)
</code></pre>
<code>LinearTreeRegressor</code> and <code>LinearTreeClassifier</code> are provided as <code>scikit-learn</code> BaseEstimator. They are wrappers that build a decision tree on the data fitting a linear estimator from <code>sklearn.linear_model</code>. All the models available in <code>sklearn.linear_model</code> can be used as linear estimators.
Compare Decision Tree with Model Tree:
<a href="https://i.stack.imgur.com/0Yacw.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/0Yacw.png" alt="enter image description here" /></a>
<a href="https://i.stack.imgur.com/S0n78.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/S0n78.png" alt="enter image description here" /></a>

My understanding is that:
<ol>
<li>In a Regression Tree: the target value of each leaf is calculated as the mean of the target values of the instances that reached that leaf during training.
</li>
<li>In a Model Tree: the value of each leaf is a linear function using a subset of the features, determined by performing a linear regression of the instances that reached that leaf during training.
</li>
</ol>
Is the <code>tree.DecisionTreeRegressor</code> in scikit-learn a Regression Tree or a Model Tree?

Is tree.DecisionTreeRegressor a Model Tree or a Regression Tree?

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我的理解是：在回归树中:每片叶子的目标值计算为训练期间到达该叶的实例的目标值的平均值。在模型树中:每个叶的值是一个线性函数，它使用特征的子集，通过对在训练期间到达该叶的实例执行线性回归来确定。是科学工具中的tree.DecisionTreeRegressor -学习回归树还是模型树

问tree.DecisionTreeRegressor是模型树还是回归树？
EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问tree.DecisionTreeRegressor是模型树还是回归树？EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问tree.DecisionTreeRegressor是模型树还是回归树？
EN