标签：and word pytho 参考文献 ast 代码 sha 预测 number
说完了树回归，再简单的提下模型树，因为树回归每个节点是一些特征和特征值，选取的原则是根据特征方差最小。如果把叶子节点换成分段线性函数，那么就变成了模型树，如（图六）所示：
（图六）
（图六）中明显是两个直线组成，以X坐标（0.0-0.3）和（0.3-1.0）分成的两个线段。如果我们用两个叶子节点保存两个线性回归模型，就完成了这部分数据的拟合。实现也比较简单，代码如下：
代码和树回归相似，只不过modelLeaf在返回叶子节点时，要完成一个线性回归，由linearSolve来完成。最后一个函数modelErr则和回归树的regErr函数起着同样的作用。
谢天谢地，这篇文章一个公式都没有出现，但同时也希望没有数学的语言，表述会清楚。
数据ex00.txt：
0.036098 0.155096
xxx
转载请注明来源：http://blog.csdn.net/cuoqu/article/details/9502711
参考文献：
[1] machine learning in action.Peter Harrington
模型树——就是回归树的分段常数预测修改为线性回归 对于非线性回归有较好的预测效果
标签：and word pytho 参考文献 ast 代码 sha 预测 number
原文地址：http://www.cnblogs.com/bonelee/p/7241794.html
