scikit-learn的DecisionTreeRegressor做真正的多输出回归吗？

Question

我已经遇到了一个ML问题，该问题要求我们使用多维Y。现在，我们正在对该输出的每个维度上训练独立的模型，这不利用事实输出的其他信息是相关的。

我一直在阅读此内容，以了解有关几种真正扩展以处理多维输出的ML算法的更多信息。决策树是其中之一。

如果拟合（x，y），Scikit-Learn使用"多目标回归树"是多维y的，还是适合每个维度的单独树？我花了一些时间查看代码，但没有弄清楚。

Answer 1

在更多挖掘之后，在标记为单维Y与具有多维标签的一个给定点标记的树的唯一区别在于它用于决定分配的标准对象。标准可以处理多维标签，因此，拟合决策的结果将是单个回归树，而不论y的尺寸如何。

这意味着，是的，Scikit-Learn确实使用了真正的多目标回归树，它可以利用相关的输出为正效应。