模型树--M5

模型树推广了回归树的概念，它与回归树的2个重要不同在于：

1. 叶节点上不是常量，而是一个线性函数模型。
2. 分割空间的标准不是降低平方误差，而是降低样本标准差。

相比于回归树，模型树的优点在于：回归树的计算量随着维度的增加而迅速增加，但模型树比模型小得多，所以模型树在处理高维（数百）数据时会比较轻松。由于叶节点是采用的是线性函数而非常量，所以预测的精度更高。

M5模型树划分的标准是：将一个节点覆盖的样本的Y值（即目标属性值）的标准差看作误差的度量。计算SDR（standard deviation reduction）