求回归树的第一个切分点x1=1.1 1.5 1.7 2.9 x2=3.6 2.3 1.4 1.5 y=2.7 3.0 4.1 5.8

首先，我们需要根据给定的数据集构建回归树。回归树的构建过程如下：

1. 选择一个特征x和一个切分点s，将数据集分成两个子集D1和D2，其中D1包含x<=s的数据，D2包含x>s的数据。
2. 对于每个子集，计算它们的目标变量y的平均值，作为该子集的预测值。
3. 计算子集的平方误差SSE，即每个样本的预测值与真实值之差的平方和。
4. 选择SSE最小的特征x和切分点s，将数据集分成两个子集D1和D2，重复步骤2-3，直到达到停止条件。

根据上述过程，我们可以得到以下回归树：

- 第一次切分：选择x1=1.5作为切分点，将数据集分成D1={(1.1, 2.7), (1.5, 3.0)}和D2={(1.7, 4.1), (2.9, 5.8)}，计算D1和D2的平均值分别为2.85和4.95，SSE分别为0.0225和0.2025，选择SSE最小的切分点x1=1.5和切分点s=1.6，得到第一棵回归树T1：

T1:
   x1 <= 1.5
   ├── y = 2.7
   └── x1 > 1.5
       ├── y = 3.0
       └── y = 4.95

- 第二次切分：选择x2=2.3作为切分点，将数据集D2分成D3={(1.7, 4.1), (1.5, 3.0), (1.4, 4.1)}和D4={(2.9, 5.8), (3.6, 2.7)}，计算D3和D4的平均值分别为3.733和4.25，SSE分别为0.0545和0.025，选择SSE最小的切分点x2=2.3和切分点s=1.55，得到第二棵回归树T2：

T2:
   x1 <= 1.5
   ├── y = 2.7
   └── x1 > 1.5
       ├── x2 <= 2.3
       │   ├── y = 3.0
       │   └── y = 4.1
       └── y = 5.8

因此，回归树的第一个切分点为x1=1.5。