正如作者随后阐述的那样，“完全成长”条件的含义是树的每个终端节点都包含训练数据中的一个实例。作者说这是“理论上的便利”：

同时，（C）是一种理论上的便利，可以让我们简化阐述。在实践中，树有时会增长为具有终端节点大小$k$而不是$1$用于正则化。然而，在我们的设置中，我们已经通过绘制大小的子样本来进行正则化 $s$在哪里$s/n \to 0$并且使用较大的叶子大小的正则化效果并不那么重要。

符号$T(x) = Y_{i^*(x)}$意味着，对于任何例子$x$您可能想要预测，有一些整数索引$i^*(x)$这样树$T$预测$x$与索引中的训练数据点具有相同的标签$i^*(x)$.

关于他们对“诚实”的定义。这基本上意味着树必须使用一组不同的点来构建拆分和预测标签（与作者指出的 CART 的做法相反）。我同意这个方程的解析相当复杂！这是它的工作原理。

假设你有一个观点$x$在您的数据集中。诚实条件说的是：当你放下时树输出的标签$x$沿着树 - 被视为随机变量（取决于随机数据） -不能取决于是否$x$实际上最终栖息在树的叶子上。换句话说，可能性必须与您有两个带有协变量的数据点相同$x$在您的数据（以及单独绘制的响应，iid）中，您使用其中一个来确定拆分，然后输出另一个的标签。