本文提出并研究了Donoho（1997）关于一般维（固定设计）分位数回归的二进分类和回归树（DCART）估计的一个版本。我们将此拟议估计器称为QDCART估计器。与均值回归版本一样，我们证明了a）一种具有计算复杂性的快速动态规划算法$\mathrm{<trans\; data-src="O">O（运行）</trans>}<trans\; data-src="(">(</trans>\mathrm{<trans\; data-src="N">N个</trans>}<trans\; data-src="log">日志</trans>\mathrm{<trans\; data-src="N">N个</trans>}<trans\; data-src=")">)</trans>$存在于计算QDCART估计量的过程中，并且b）QDCART估计器的预言风险界（权衡平方误差和真实信号的复杂性参数）成立。然后，这个预言的风险界使我们能够证明QDCART估计器对于分段常数和有界变化函数类具有自适应的速率最优估计保证。与需要误差分布亚因果性的DCART估计器的现有结果相反，为了保证我们的估计能够成立，我们不需要对误差分布进行任何限制性的尾部衰减假设。例如，即使误差分布没有像Cauchy分布这样的一阶矩，我们的结果仍然成立。此外，我们对模拟数据和实际数据进行了大量的数值实验，证明了所提方法的有效性。