是的，但在我所知道的任何实现中都没有。

这个想法在Elements of Statistical Learning中提到，靠近第 9.2.4 节末尾的“线性组合拆分”标题下。但这并没有在流行的 CART 或 Quinlan 家族的决策树算法中实现*，也没有在 sklearn 的树中完成，而且我不知道任何其他使用它的 python 或 R 包。

一些 R 包做了一个更有限的版本，可以对两个功能进行拆分，但这些拆分的形式是“$x_1>\alpha\text{ and }x_2\leq\beta$” 而不是直接比较变量。请参阅https://stats.stackexchange.com/questions/4356/does-rpart-use-multivariate-splits-by-default

一个明显的问题是计算要求：仅检查所有特征对现在是二次的，并且允许两个特征的任意线性组合可能要大得多。另一方面，如果您想限制直接比较$x_1\geq x_2$（没有系数），这应该是易于处理的（如果比 CART 慢得多）。如果需要合并线性组合，Elements 作者建议使用 Hierarchical Mixtures of Experts模型。

哦，再来一条评论。如果你真的想要分裂像$x_1\geq x_2$, 你可以生成所有的特征$x_i-x_j$; 那么在考虑这些新功能时，更常见的决策树实现将能够进行拆分。（可能会有一些副作用，但仍然会出现计算问题：您添加了特征。）$\binom{m}{2}$

* 我发现一条评论表明 CART 确实支持多功能（“代理”）拆分？：
https ://stackoverflow.com/a/9996741/10495893