决策树回归背后的数学运算？

Question

我试图了解决策树（回归）背后的数学原理。我碰到了两篇文章，他们都对如何在回归树中进行拆分有不同的解释。谁能指出哪一个是正确的，或者两者都是相似的，只是方法不同？

1. https://www.saedsayad.com/decision_tree_reg.htm
2. https://www.python-course.eu/Regression_Trees.php

谢谢

Answer 1

两个都是正确的。方法1使用标准差拆分节点，方法2使用方差。因为目标值是连续的，所以同时使用s.d和方差。

  

方差是最常用的拆分标准之一   回归树。

差异
方差是与平均值的平方差的平均值。要弄清楚方差，首先要计算每个点与平均值之间的差；然后，对结果求平方并求平均值。

标准偏差
标准差是一种统计量，它通过使用方差的平方根来查看一组数字与平均值之间的距离。方差的计算使用平方，因为它对异常值的加权比与非常接近均值的数据更重。此计算还可以防止高于均值的差异抵消低于均值的差异，有时差异可能为零。