决策树Python 实现——决策树回归

原文以及代码来自于，本人对每段代码进行了详细注释，希望对初学者有用。
https://scikit-learn.org/stable/auto_examples/tree/plot_tree_regression.html
决策树回归 Decision Tree Regression
带有决策树的 1D 回归。
决策树用于拟合正数曲线和加噪声观测。因此，它学习接近主数曲线的局部线性回归。
我们可以看到，如果树的最大深度（由最大深度参数控制）设置得过高，则决策树会学习训练数据的细节，并从噪声中学习，即它们过度拟合。

print(__doc__)

# Import the necessary modules and libraries
import numpy as np
from sklearn.tree import DecisionTreeRegressor
import matplotlib.pyplot as plt

# Create a random dataset
rng = np.random.RandomState(1)
X = np.sort(5 * rng.