关键在于选择决策树的分裂函数。在分类中，数据按照一定的同质性度量进行分割。另一方面，对于回归树，对于每个自变量，回归模型都适合因变量。然后，在多个点拆分数据并评估 SSD 值。为给出最小误差的维度（变量）选择最佳分割。然后在此时拆分节点。分裂又是递归的。

最后，每个叶子存储一个连续输出变量的分布。在测试阶段，对响应进行平均。