一.背景

　　传统的线性回归算法用于拟合所有的数据，当数据量非常的大，特征之间的关联非常的复杂的时候，这个方法就不太现实。这个时候就可以采用对数据进行切片的方式，然后在对切片后的局部的数据进行线性回归，如果首次切片之后的数据还是不符合线性的要求，那么就继续执行切片。在这个过程中树结构和回归算法是非常有用的。而cart算法又是一种常用的树回归算法。

二.概念

　　树回归算法总的来说，就是找到一个最优的特征，然后根据该特征的最优的特征值进行二元划分子树，如果值大于给定特征值就走左子树，否则就走右子树。通过不断的迭代这个过程就能创建一棵回归树或者分类树。二者区别只在于输入的数据是连续型还是离散型，以及采用的选择最优的特征和特征值的准则。

三.python实现

1.获得输入数据

树回归