我是机器学习的新手，所以这可能是一个愚蠢的问题。抱歉，如果是这样。

这个想法是基于回归树来预测地下水的出现。这是我的概念模型：

• 目标变量：井成功率（那些发现/未发现地下水的井的空间位置）。这是具有空间坐标等的点格式的空间分布的地面实况数据。大约有 1200 个数据点。

• 解释变量：一堆间接指标（地形、地貌、降雨、地质等）。这些是栅格图层。我只是简单地抓取与目标数据集中井的位置相对应的每个像素值。

我已经设法在 Spyder 中开发和训练了一个回归树，它以合理的准确度预测地下水的出现。现在我想在GIS环境（QGIS，具体来说）中将结果转换为地下水出现图。

如果回归树产生“系数”，我可以简单地将它们乘以每个解释变量层中的每个像素值，以获得每个像素的预测，并以此开发地图。但是，我知道情况并非如此，因为 DT 使用 if/else 逻辑而不是系数。

所以我被困在这一点上。由于模型有效，我觉得我有点接近，但我不知道如何进行。

那么你们会怎么做呢？