1,模型树是一个混合算法。它首先是一个决策树算法,类似CART算法,而又不同于ID3算法或CART算法。传统的决策树算法,它们生成树的叶子节点上代表对一条数据的预测类别或预测目标值,而模型树上的叶子节点代表一个线性回归模型(最小二乘法)。对于一条测试数据,用这个线性回归模型计算出其预测类别或预测目标值。
2,也就是说,模型树在分裂的时候,选定切分特征和切分特征值的时候,其参考标准不再是CART算法中的总差异最优,而是线性回归模型作用于此子数据集模块产生的总误差最优。
3,模型树和回归树的处理数据的效果,一般来说比单独的线性回归模型要好。评价这几个算法优劣的标准是计算它们处理同一个数据集之后产生的各自的相关系数(即预测值和真实值之间的相关系数)的大小,相关系数(在0~1之间)越大,说明效果越好。