决策树回归生成多条线

决策树回归通常会对数据进行分段处理，并将不同段赋予不同的预测值。这往往会导致回归线有多个拐点，形成多条线。

为了解决这个问题，可以尝试以下两种方法：

1. 使用随机森林回归 - 随机森林使用多棵决策树来进行预测，因此可以在不同的划分上得到更好的平滑效果。

代码示例：

from sklearn.ensemble import RandomForestRegressor

rf = RandomForestRegressor(n_estimators=100, random_state=42)
rf.fit(X_train, y_train)

y_pred = rf.predict(X_test)

2. 使用回归曲线拟合 - 如果用单一直线无法拟合数据，可以尝试使用多项式曲线进行拟合，以适应数据的不同段。

代码示例：

import numpy as np
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression

poly_model = Pipeline([('poly', PolynomialFeatures(degree=4)),
                       ('linear', LinearRegression(fit_intercept=False))])

poly_model.fit(X_train, y_train)

y_pred = poly_model.predict(X_test)