Gli alberi con gradiente potenziato possono adattarsi a qualsiasi funzione?

Per le reti neurali abbiamo il teorema di approssimazione universale che afferma che le reti neurali possono approssimare qualsiasi funzione continua su un sottoinsieme compatto di .$R^n$

Esiste un risultato simile per gli alberi con gradiente aumentato? Sembra ragionevole poiché puoi continuare ad aggiungere più rami, ma non riesco a trovare alcuna discussione formale sull'argomento.

EDIT: La mia domanda sembra molto simile a Gli alberi della regressione possono prevedere continuamente? , anche se forse non chiedere esattamente la stessa cosa. Ma vedi quella domanda per una discussione pertinente.

Sì: crea una regione per ciascun punto dati (ad es., Memorizza i dati di allenamento).

Pertanto, è possibile che alberi con gradiente maggiore si adattino a qualsiasi dato di allenamento, ma avrebbe una generalizzazione limitata a nuovi dati.