回归树用于预测 Boston 房价，并评估预测结果

from sklearn.cross_validation import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.tree import DecisionTreeRegressor

from sklearn.metrics import mean_squared_error,mean_absolute_error

'''注：在回归树模型中，叶节点所包含的数据类型并非离散型，而是连续型。决策树的每个叶节点依据训练数据所呈现的概率分布特征来确定最终的预测结果，而回归树的叶节点则表现为连续值，其数值为某一组数据的平均值'''

#导入数据

boston = load_boston()
#查看数据信息print(boston.DESCR)
X = boston.data
y = boston.target
#对数据进行分割
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.25,random_state=33)
ss_X = StandardScaler()
ss_y =StandardScaler()
#分别对训练集和测试集的特征及目标变量进行