cart决策树回归预测

CART决策树用于回归预测时，其生成算法是通过递归地构建二叉决策树来实现的。在构建过程中，CART回归树使用平方损失作为划分的依据，目标是使每个叶子节点中样本的平均预测输出与真实值的平方误差最小化。具体而言，生成CART回归树的算法如下：

1. 选择一个特征以及一个对应的切分点，将数据集分成两个子集。
2. 计算每个子集中样本的平均预测输出，并计算平方误差。
3. 选择使得平方误差最小化的特征和切分点作为当前节点的划分条件。
4. 递归地对每个子集应用上述步骤，直到满足停止条件（如达到最大深度或样本数少于预定阈值）。
5. 最终得到一棵CART回归树，其中每个叶子节点包含一组样本，其预测输出为该组样本的平均值。

通过上述算法，CART回归树可以根据给定的属性特征进行回归预测。当待预测样本落至某个叶子节点时，输出该叶子节点中所有样本的均值作为预测输出。这样就可以使用CART回归树进行连续值的预测。

总结起来，CART决策树回归预测的过程是通过构建二叉决策树，并使用平方损失作为划分依据，最终将待预测样本落至相应的叶子节点并输出该节点中样本的均值作为预测输出。