Pav*_*rov 2 python machine-learning scikit-learn
我遇到了一个 ML 问题，需要我们使用多维 Y。现在我们正在这个输出的每个维度上训练独立模型，它没有利用来自事实输出相关的附加信息。
我一直在阅读这篇文章， 以了解有关真正扩展到处理多维输出的少数 ML 算法的更多信息。决策树就是其中之一。
scikit-learn 是否在事件中使用“多目标回归树” fit(X,Y) 被赋予多维 Y，或者它是否适合每个维度的单独树？我花了一些时间查看代码，但没有弄清楚。
经过更多的挖掘后，给定一维 Y 标记的树点与具有多维标签的给定点之间的唯一区别在于它用于决定分裂的 Criterion 对象。Criterion 可以处理多维标签，因此拟合 DecisionTreeRegressor 的结果将是单个回归树，而不管 Y 的维数。
这意味着，是的，scikit-learn 确实使用了真正的多目标回归树，它可以利用相关的输出产生积极的影响。