LambdaMART的源码分析：一（MART：回归树)

参考论文:
From RankNet to LambdaRank to LambdaMART: An Overview（公式主要引用这个）

GREEDY FUNCTION APPROXIMATION: A GRADIENT BOOSTING MACHINE （MART的思想）

Adapting boosting for information retrieval measures

回归树：

1.思想(参考李航的《统计学习方法》的5.51节CART生成)

注意：这里的回归树，每次split的时候，都是为了选择最优的feature和切分点， 这里的切分点，只会按照该feature,把数据集一分为二

2.回归树实现（ciir.umass.edu.learning.tree.RegressionTree 二叉树）

参数介绍：

 int nLeaves //控制分裂的次数， 这个次数是按照节点来算的，而不是按照层数来计算的，例如，2个叶子的时候，分裂1次；3个叶子的时候，分裂2次；4个叶子的时候，分裂3次。N个叶子，分裂N-1次。

DataPoint[] trainingSamples //训练的数据点