当选择多个响应时， JMP 当前会为每个响应创建单独的树。这些树稍后可以合并起来进行分析。
相反，我们希望能够拥有一棵树，可以同时最好地适应所有响应。
此功能可作为流行的 Sklearn 包中的 Python 函数调用 RandomForestRegressor 使用。
关于这个主题有很多论文，例如：
“多元回归树的分裂变量选择”，Hsiao 和 Shih，2006 年，ScienceDirect。
我们希望这种能力一旦在决策树中实现，就能扩展到 Bootstrap Forest 和 Boosted 树形方法。
