确实可以。以下是一些在预测变量和响应之间具有平方关系的模拟数据，以及来自随机森林的拟合：

代码：

nn <- 1e4
set.seed(1)
xx <- runif(nn)
yy <- xx^2+rnorm(nn,0,0.1)

plot(xx,yy,pch=19,cex=0.6,col="lightgray")

library(randomForest)
model <- randomForest(yy~xx)

xx_pred <- seq(0,1,by=.01)
lines(xx_pred,predict(model,newdata=data.frame(xx=xx_pred)),col="red",lwd=2)

至于 RF 是如何做到的：记住它只是分类和回归树的集合。每个单独的树（基于数据的引导样本和预测变量的子集）将使用不同的预测变量截止值，并为低和高预测变量值的响应输出不同的值。平均而言，高预测值的拟合响应将比低预测值更偏离平均值，从而对非线性关系进行建模。

还有一些 RF 实现可以在叶子中的预测器上拟合线性模型。当然，这些也可以通过为预测变量的不同值拟合不同的斜率来模拟非线性。