决策树回归 python

决策树不仅可以用于分类问题，还可以用于回归问题。在Python中，你可以使用scikit-learn库来构建和训练决策树回归模型。下面是一个简单的例子来演示如何使用Python构建和训练决策树回归模型：

from sklearn import tree

# 准备训练数据
# 特征矩阵
X = [[0, 0], [1, 1]]
# 目标变量
Y = [0, 1]

# 创建决策树回归器
clf = tree.DecisionTreeRegressor()

# 训练模型
clf = clf.fit(X, Y)

# 预测新样本
print(clf.predict([[2, 2]]))

在上面的例子中，我们首先准备了一个训练集X和对应的目标变量Y。然后，我们创建了一个决策树回归器（DecisionTreeRegressor）对象，并使用fit()函数来训练模型。最后，我们使用predict()函数对新样本进行预测。

你可以根据自己的数据和问题进行适当的调整和修改。同时还可以通过调整模型的参数来改善模型性能。