是什么激发了这个愿望清单请求？
昨天，我参加了日本统计数学研究所为初学者举办的关于决策树和样本学习的研讨会。 讲师是 Icihgaku Takigawa 教授。 他在研讨会上只使用 Python。
我对三种方法感兴趣，但并未在 JMP Pro 中实施。
我在这里进入了其中的第三个。
请描述您希望看到的新的或改进的功能或解决方案。
计算随机森林或提升树的预测精度（又名不确定性量化）的选项。
如果提供此新功能，对您和/或其他用户有何价值？
有时，我们希望看到预测精度以及点预测。 此功能可以帮助用户了解预测变异性有多大。
这是外部客户的要求吗？
有没有我们应该注意的具有此功能或解决方案的竞争软件包？
在随机森林中计算预测的标准误差很容易。 请在下一页中使用 _return_std 函数。
https://scikit-optimize.github.io/stable/_modules/skopt/learning/forest.html
在提升树中计算预测的标准误差非常复杂。 Takigawa教授介绍了MAPIE，但是我没有关注资料。 MAPIE主页的URL如下。
https://mapie.readthedocs.io/en/latest/index.html
这是否会影响客户的续订、扩展或采用，如果我们不解决这个问题，是否会使客户面临风险？
这不是用户要求的。
