问从函数自动构建决策树

EN

(如果这个问题有点头脑风暴，很抱歉)

我有一个函数F，参数是a_1, a_2...和b，它输出x。该函数还由可能在我工作期间更改的一系列p_1, p_2...参数定义。

F(a_1, a_2... , b) = x

考虑到a_1, a_2...，我想要构建一个决策树算法，该算法可以为函数F找到最小化x的b。我想自动化这个决策树构建器，以便容纳F的更改(通过p_1, p_2...)。

自动化过程非常重要，因为在实践中，a_x可以是任何东西(整数、连续数、离散参数)，而F是高度非线性的。

我本能的想法之一是建立假样本，并在数据集上学习决策树，这将给我所需的决策树。但是，这似乎过于复杂，因为我已经访问了生成此问题的函数。

如果有人有任何想法或指点我在任何方向，可以帮助我解决我的问题，这将是非常感谢的。

编辑:

我正在改变我的问题的范围：

假设从最初的问题开始，您得到了函数F'，它将a_1, a_2...映射为b (b是离散的)。是否会有一个算法试图通过一个以F'为节点的决策树来“简化”a_1, a_2...。

​

​

例如，一个决策树，它会说if a_2 = "type2" and a_1 < 6 -> 3等。我不是在寻找一个精确的分区，一个体面的估计是足够的。

我正在考虑使用ML算法来构建决策树，使用由F'蒙特卡罗模拟生成的假样本。这有道理吗？