决策树回归:不需要多项式？

Question

我正在测试一个回归任务的不同模型。在使用OLS、Ridge和Lasso时，我使用了不同的多项式度的解释变量。例子:对于两个变量x和y，2级给出了解释变量x，x^2，xy，y，y^2。

然而，在使用决策树时，我不确定使用任何高于1的度作为解释变量是否有意义。示例:在应用决策树回归器时，测试x^2、xy和y^2是否有意义？

我问的原因是，决策树回归是一个非线性回归。一方面，这可能是一个争论，它没有意义，包括高阶多项式，因为十项树已经可以处理非线性。

Answer 1

由于CART(分类和回归树)是一种非参数算法，它们应该能够发现变量与非线性行为之间的交互作用。

然而，建立多项式可以帮助他们有一个更好的性能。