回归树的实现（3个核心函数）

def binSplitDataSet(dataSet,feature,value):
    bigIndex = dataSet[:,feature] > value
    smallIndex = dataSet[:,feature] <= value
    #print('bigIndex:',bigIndex)
    #print('smallIndex:',smallIndex)
    big = dataSet[nonzero(bigIndex)[0],:]
    small = dataSet[nonzero(smallIndex)[0],:]
    return small,big

第一个函数有三个参数：数据集合，待切分的特征和该特征的某个值，在给定特征和特征值的情况下，该函数通过数组过滤方式将上述数据集合切分得到两个子集并返回

def chooseBestSplit(dataSet,leafType=regLeaf,errType=regErr,ops=(1,4)):
   
    if len(set(dataSet[:,-1].T.A.tolist()[0]))==1:
        return None,leafType(dataSet)
    eS=ops[0]
    minSample=ops[1]
    bestError=errType(dataSet)
    originError=errType(dataSet)
    bestFeatIndex=0
    bestSplitValue=0
    m,n=shape(dataSet)
    for featIndex in range (n-1):
        for splitVa