可否用python写梯度回归树算法，不用高级包，

当然可以，虽然Python有一些高级库如XGBoost和LightGBM专门用于高效的梯度提升，但如果你想从头开始编写，这里是一个简单的例子，使用Python的内置数据结构：

import numpy as np

class DecisionTreeRegressor:
    def __init__(self, max_depth=3):
        self.max_depth = max_depth
        self.root = None
        
    def fit(self, X, y):
        self.root = self._grow_tree(X, y, 0)
        
    def _grow_tree(self, X, y, depth):
        # ... 实现分治法的决策树生长算法，例如ID3或CART
        # 这部分需要你根据特征选择、划分条件等因素编写
        pass
    
    def predict(self, X):
        return [self._traverse_tree(x, self.root) for x in X]
    
    def _traverse_tree(self, x, node):
        # ... 实现按照规则遍历节点的过程，返回预测值
        pass
    
# 示例用法
tree_reg = DecisionTreeRegressor(max_depth=3)
X_train, y_train = ..., ...  # 你的训练数据
tree_reg.fit(X_train, y_train)

# 使用树回归
y_pred = tree_reg.predict(X_test)

这个示例中，你需要手动实现决策树的生长和预测过程，这涉及到一些复杂的数学和数据操作。如果你不熟悉这些细节，建议参考相关的教材或在线资源来深入理解。