科学学习的DecisionTreeRegressor做真正的多输出回归吗？

Question

我遇到了一个ML问题，它要求我们使用多维Y。现在，我们正在训练这个输出的每个维度上的独立模型，它没有利用来自实际输出相关的额外信息。

我一直在阅读这，以了解更多关于真正扩展到处理多维输出的少数ML算法的知识。决策树就是其中之一。

科学工具-学习使用“多目标回归树”在事件拟合(X，Y)是一个多维Y，或它适合一个单独的树为每个维度？我花了一些时间看代码，但没有弄明白。

Answer 1

经过更深入的挖掘，用一维Y标记的树给定点与具有多维标记的给定点之间的唯一区别是在它用来决定拆分的Criterion对象中。一个准则可以处理多维标签，所以无论Y的维数如何，拟合DecisionTreeRegressor的结果都是一个单一的回归树。

这意味着，是的，科学学习确实使用了真正的多目标回归树，它可以利用相关的输出来取得积极的效果。