Tree 梯度增强树在回归中是如何工作的？

我在理解梯度增强的树是如何工作的方面遇到了一个问题。我在这里尝试了以下链接：

但这并不是很有帮助。所以我的印象是

将数据划分为多个分区

您试图找到一条最佳拟合线来预测每个分区上的数据点

计算每个分区的某种误差（剩余平方和）

创建另一棵树，并基于上一棵树的错误，尝试找到另一个分区，该分区将进一步减少整个等式的总RSS，并重复此操作，直到创建了一定数量的树

我对以下几个方面感到困惑：

这些分区的意义是什么？为什么我不能在没有分区的情况下找到树的RSS？此外，我还了解到，最终预测值是通过将每棵树的加权贡献相加而形成的。每棵树的输出是什么？每棵树是否都输出自己对最终预测值的预测？每棵树是什么做的

如果你能让我知道，我将不胜感激。谢谢