機器學習實戰（8）：迴歸樹

上一章提到的線性迴歸應該是使用最廣泛的一種方法，但是這個方法時常會出現一些問題：比如我們需要對線性迴歸模型的隨機干擾項施加一些假設，但現實中這些假設常常不能滿足，此外當數據擁有衆多特徵且特徵之間關係比較複雜時，用線性迴歸難以構建一個全局模型，最重要的，現實中滿足線性關係的特徵只佔一小部分，大部分情況下特徵之間滿足的是非線性關係。 這時一種可行的方法就是將數據集切分成多份容易建模的數據，在切分的子集

>>阅读原文<<